numpy/scipyは、別に全ての演算がpythonで実装されているわけではなくて、内部的にはBLASとかを呼び出している(多分)。で、普通だったらATLASのようなBLAS実装が使われると思うんだけど、それだと遅いからOpenBLASみたいなBLAS実装を使いたかったりする。(参考：Atsushi TATSUMA Web Page » OpenBLAS を使った Numpy/Scipy のビルド)
で、確かにOpenBLASによって一部の行列演算が早くなる。なぜかというとマルチコアの力を使ってくれるから。
しかし困ったことに
import scipy.sparse.linalg
しただけで、multiprocessingを使った並列処理ができなくなってしまった。コア数とかは
import multiprocessing multiprocessing.cpu_count() # 16
みたいな感じでマルチコア風なんだけど、実際に動かしてみると、１つのCPUの中で並列処理することになる。調べてみると、OpenBLASはmultiprocessingを使えなくしてしまう、みたいな記述がいくつか見つかる。
openblas uses openmp for parallization. that does not work well when you are forking like python multiprocessing does.
I don't think it can be solved besides disabling parallelization in either openblas or python.
とか
Using OpenBLAS can give speedups in some scikit-learn modules, but it doesn’t play nicely with joblib/multiprocessing, so using it is not recommended unless you know what you’re doing.
ということで、一長一短・・・かなあ。ひえええ
