大家好,又见面了,我是你们的朋友全栈君。
CuPy 项目地址:https://cupy.chainer.org/
这个项目本来是用来支持Chainer这个深度学习框架的,但是开发者把这个“GPU 计算包”单独分出来了,方便了大家!!!
来看几个例子:
import numpy as np
import cupy as cp
import time
x=np.ones((1024,512,4,4))*1024.
y=np.ones((1024,512,4,1))*512.3254
time1=time.time()
for i in range(20):
z=x*y
print('average time for 20 times cpu:',(time.time()-time1)/20.)
x=cp.ones((1024,512,4,4))*1024.
y=cp.ones((1024,512,4,1))*512.3254
time1=time.time()
for i in range(20):
z=x*y
print('average time for 20 times gpu:',(time.time()-time1)/20.)
这里之所以要弄个20次的平均,是因为,最开始的几次计算会比较慢!后面的计算速度才是稳定的,cpu和gpu都有一定这个特性,这个原因cpu和gpu是不同!和“操作系统的本身算法、GPU工作方式”等有关系吧?
接下来,我们把矩阵规模减小
x=np.ones((4,4,4,4))*1024.
y=np.ones((4,4,4,1))*512.3254
x=cp.ones((4,4,4,4))*1024.
y=cp.ones((4,4,4,1))*512.3254
GPU失去了优势,所以也不是所有计算都需要放到gpu上来加速的!有时候cpu算一算也是可以的!
cupy种几乎包含了numpy种通常有的很多function了!所以基本上再用的时候只要把‘np’ 换成‘cp’就好了!很方便
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/153977.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...