La soluzione all'assenza di librerie BLAS / LAPACK per installazioni SciPy su Windows 7 a 64 bit è descritta qui:
http://www.scipy.org/scipylib/building/windows.html
L'installazione di Anaconda è molto più semplice, ma non ottieni ancora il supporto Intel MKL o GPU senza pagarlo (sono nelle ottimizzazioni MKL e accelerano i componenti aggiuntivi per Anaconda - non sono sicuro se usano PLASMA e MAGMA) . Con l'ottimizzazione MKL, numpy ha superato di 10 volte l'IDL sui calcoli con matrici di grandi dimensioni. MATLAB utilizza la libreria Intel MKL internamente e supporta il calcolo GPU, quindi si potrebbe anche usarlo per il prezzo se sono studenti ($ 50 per MATLAB + $ 10 per Parallel Computing Toolbox). Se ottieni la versione di prova gratuita di Intel Parallel Studio, viene fornito con la libreria MKL, nonché i compilatori C ++ e FORTRAN che ti torneranno utili se desideri installare BLAS e LAPACK da MKL o ATLAS su Windows:
http://icl.cs.utk.edu/lapack-for-windows/lapack/
Parallel Studio include anche la libreria Intel MPI, utile per le applicazioni di cluster computing e i loro ultimi processori Xeon. Mentre il processo di creazione di BLAS e LAPACK con l'ottimizzazione MKL non è banale, i vantaggi di farlo per Python e R sono piuttosto ampi, come descritto in questo webinar Intel:
https://software.intel.com/en-us/articles/powered-by-mkl-accelerating-numpy-and-scipy-performance-with-intel-mkl-python
Anaconda ed Enthought hanno creato aziende che hanno reso questa funzionalità e alcune altre cose più facili da implementare. Tuttavia, è liberamente disponibile per coloro che desiderano fare un po 'di lavoro (e un po' di apprendimento).
Per coloro che usano R, ora puoi ottenere BLAS e LAPACK ottimizzati MKL gratuitamente con R Open di Revolution Analytics.
EDIT: Anaconda Python ora viene fornito con l'ottimizzazione MKL, oltre al supporto per una serie di altre ottimizzazioni delle librerie Intel tramite la distribuzione Intel Python. Tuttavia, il supporto GPU per Anaconda nella libreria Accelerate (precedentemente nota come NumbaPro) è ancora superiore a $ 10k USD! Le migliori alternative per questo sono probabilmente PyCUDA e scikit-cuda, dal momento che Copperhead (essenzialmente una versione gratuita di Anaconda Accelerate) ha purtroppo cessato lo sviluppo cinque anni fa. Può essere trovato qui se qualcuno vuole riprendere da dove aveva interrotto.