如何使用cupy循环numpy ndarray？真的会改善执行时间吗？
Cupy是一个用于在GPU上执行计算的开源库，它提供了与NumPy兼容的接口。使用Cupy可以将计算任务转移到GPU上，从而加速计算过程。
要使用Cupy循环NumPy ndarray，首先需要安装Cupy库。可以通过以下命令使用pip安装Cupy：
pip install cupy安装完成后，可以按照以下步骤使用Cupy循环NumPy ndarray：
- 导入Cupy库：
import cupy as cp- 将NumPy数组转换为Cupy数组：
numpy_array = np.array([1, 2, 3])
cupy_array = cp.asarray(numpy_array)- 使用Cupy数组进行计算：
result = cp.sin(cupy_array)- 将Cupy数组转换回NumPy数组（如果需要）：
result_numpy = cp.asnumpy(result)使用Cupy循环NumPy ndarray可以显著改善执行时间，特别是在处理大规模数据时。由于Cupy将计算任务转移到GPU上执行，利用GPU的并行计算能力，可以加速计算过程。然而，加速效果的具体程度取决于计算任务的性质和数据规模。
推荐的腾讯云相关产品：腾讯云GPU云服务器（GPU Cloud Server），该产品提供了强大的GPU计算能力，适用于需要进行大规模并行计算的场景。您可以通过以下链接了解更多信息：腾讯云GPU云服务器
请注意，本回答仅提供了使用Cupy循环NumPy ndarray的基本步骤和优势，具体的应用场景和改善执行时间的效果还需要根据实际情况进行评估和测试。
相关·内容
我有两台相同size512 X512的numpy ndarray。我想根据另一个数组的值更改一个数组。但是执行时间真的很长。因此，我希望将numpy ndarray更改为cupy ndarray，并希望在GPU中执行。有可能吗？will会缩短执行时间吗？这是我当前代码的一部分。 for n,val in enumerate(array_A.flat):
if val < 200:
Array_B.flat[n] = -1000
浏览 54提问于2019-04-26得票数 0
回答已采纳
我目前正在做一些涉及cupy的工作。总的来说，它让我的代码运行得更快，因为它在我的GPU上运行所有的东西。现在，如果用户没有安装cupy，但他确实安装了numpy，我想进行必要的调整。目前，我像这样导入它们：import numpy as np; import cupy as cp。我可以对讨论的here进行检查，以测试是否没有安装cupy，所以这不是问题。但是我不想把条件放在任何地方，或者把cp改成np，因为如果真的安装了cupy，这会使事情变得复杂，我想用它来代替。因此，我测试了以下内容(理论上可以解决我的问题)： import numpy as np
import numpy as c
浏览 4提问于2021-04-26得票数 3
回答已采纳
1回答
numpy循环没问题。
cupy循环1次，3次就可以了。但是10次就会出错。
我如何解决这个问题？
这是gpu内存问题吗？
(源代码)
import cupy as cp
import numpy as np
mc = 5000
def fcal(ff, nloop, skey):
maa = ff.zeros((mc,mc)) + 0.0
mbb = ff.zeros((mc,mc)) + 0.0
for jj in range(nloop): maa = ff.dot(maa, mbb)
asum = ff.sum(maa)
浏览 3提问于2018-12-03得票数 1
我现在正在和CuPy一起工作。我注意到一些似乎是bug的东西，但我不确定。 我注意到，如果我使用某些数学函数，它们会导致错误的形状。例如： 如果我使用numpy执行此操作，它将返回一个没有形状的标量。这是应该的。 s8 = numpy.abs(2) 但是，如果我使用CuPy： s8 = cupy.abs(2) 它会导致cupy.ndarray。使用s8.shape求值时，它返回() 令人沮丧的部分是试图将cupy.ndarray转换为没有形状的标量。我尝试过使用：cupy.Squeeze(s8)和s8.item()来只返回标量。在这两种情况下，它都会返回值，但会保留形状。我也尝试过使用flo
浏览 32提问于2020-12-01得票数 0
回答已采纳
在cupy中执行以下最小示例。
import numpy, cupy, cupyx
print( cupyx.get_runtime_info() )
mydata = numpy.empty((3,), dtype='f')
#gpu = False
gpu = True
if not gpu:
xp = numpy
else:
xp = cupy
mydata_like = xp.zeros_like(mydata)
以下面的方式
(venv) user@ailx216:/work/sandbox$ CUDA_PATH=/usr/local/
浏览 113提问于2019-08-02得票数 1
回答已采纳
1回答
对于NumPy，可以使用 class A(np.ndarray): pass
a = np.random.rand(10, 10).view(A)
print(a) # OK 但是对于Cupy，下面的操作会导致segfault： class A(cp.ndarray): pass
a = cp.random.rand(10, 10).view(A)
print(a) # segfault 我已经把文件看了一遍，但没有找到什么信息。这是意料之中的吗？我使用的是Python5.2、CuPy 3.6.8和CUDA10。
浏览 18提问于2019-02-25得票数 0
我正在生成大量的随机数，总共超过GPU上可用内存的一半。我在循环中做这件事。
当我第二次(或第三次.)调用cupy.random，并将其赋值给相同的变量名时，它不会释放第一个数组的内存。它试图分配更多内存，这将导致内存不足错误。
在生成一个新的随机数组之前显式地释放内存是非常缓慢的，而且看起来效率很低。
是否有一种方法来生成一组新的数字，但在相同的内存空间？
编辑: cupy.random.shuffle()允许我解决这个问题，但我想知道是否有更好的方法？
编辑2:在进一步的审查中，霉运()并没有解决这个问题，似乎比分配第二个块(在释放第一个块之前)需要更多的内存.我又回到将ndarray大小
浏览 6提问于2020-08-12得票数 0
回答已采纳
在cupy中执行以下最小示例。
import cupy, cupyx
x = cupy.array([1., 2., 3.])
y = cupy.arange(10)
print(cupyx.get_runtime_info())
以下面的方式
(venv) user@ailx216:/work/sandbox$ CUDA_PATH=/usr/local/cuda-9.1 python cupy_test.py
给我一个奇怪的磁盘配额超过错误。
Traceback (most recent call last):
File "cupy_test.py", line 4,
浏览 59提问于2019-08-01得票数 0
回答已采纳
我注意到numpy.full()中的fill_value参数可以是一个数组。 >>> a = np.arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> b = np.full( (5,10), a[:,None], dtype=np.int16 )
>>> b
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
[2, 2, 2, 2, 2, 2, 2, 2, 2, 2]
浏览 73提问于2020-09-01得票数 1
我正在尝试使用dask将一个大的dask数组(46 GB，124 -- 370MB块)写入zarr文件。如果我的dask数组被命名为dask_data，那么一个简单的dask_data.to_zarr("my_zarr.zarr")就可以工作。但据我所知，这是一个同步的、受CPU限制的进程。
我想要做的是使用并行，将大部分工作分配给Quadro GV100图形处理器。我尝试通过dask_data_cupy = dask_data.map_blocks(cupy.asarray)将numpy.ndarray转换为cupy.ndarray，并将其写出到zarr文件中，但我收到以下消
浏览 0提问于2020-02-08得票数 1
当我尝试使用库CuPy和osgeo时，我将面临以下错误：
ValueError: non-scalar numpy.ndarray cannot be used for fill
我试着填充这个数组：
im = cupy.zeros([ds.RasterYSize, ds.RasterXSize, ds.RasterCount], dtype=np.float32)
for x in range(1, ds.RasterCount + 1):
band = ds.GetRasterBand(x)
im[:, :, x - 1] = band.ReadA
浏览 5提问于2021-08-03得票数 2
1回答
最近，我在tx2上安装了CUDA10.0和cupy。我在一篇文章中读到，它说cupy比numpy快10倍。所以我运行了这个程序： ### Numpy and CPU
s = time.time()
x_cpu = np.ones((100,100,100))
e = time.time()
print(e - s)
### CuPy and GPU
s = time.time()
x_gpu = cp.ones((100,100,100))
cp.cuda.Stream.null.synchronize()
e = time.time()
print(e - s) 我得到的结果非常不同。Nu
浏览 32提问于2019-12-31得票数 0
2回答
假设我创建了一个名为my_mod的模块，其中有两个文件__init__.py和my_func.py
__init__.py
import numpy
import cupy
xp = numpy # xp defaults to numpy
# a decorator that change `xp` based on input array class
def array_dispatch(fcn):
def wrapper(x, *args, **kwargs):
global xp
xp = cupy if isinstance(x, cupy
浏览 1提问于2022-04-13得票数 0
回答已采纳
我已经实现了自己定义了一个链接器链接，但因为它太慢了。我已经实现了我代码的cython CPU版本。但我想通过GPU进一步提高速度。所以我测试了以下代码，但它失败了：
%%cython
import numpy as np
cimport numpy as np
import cupy as cp
cimport cupy as cp
cdef class A:
def __init__(self):
pass
cdef cp_test(self, cp.ndarray[cp.float_t, ndim=2] arr):
return cp.
浏览 2提问于2017-10-01得票数 0
1回答
我有一个经过训练的Chainer模型，我想用它来进行预测。默认情况下，我可以预测CPU上的图像，但我想使用GPU，我不知道该如何做。下面是我的代码：
model = MyModel()
chainer.serializers.load_npz("snapshot", model)
image = load_image(path) # returns a numpy array
with chainer.no_brackprop_mode(), chainer.using_config("train", False):
pred = model.__ca
浏览 0提问于2018-07-30得票数 1
回答已采纳
1回答
我尝试构建m向量的示例(带有整数项)以及m计算。如果向量x的形状(n,1)是数字2，则其求值为y=1。否则，它将被计算为y=0。
为了处理许多这样的向量和评估，样本向量存储在(n,m)-shaped ndarray中，而评估存储在(1,m)-shaped ndarray中。见守则：
import numpy as np
n = 10 # number of entries in each sample vector
m = 1000 # number of samples
X = np.random.randint(-10, 10, (n, m))
Y = []
for i in rang
浏览 2提问于2021-11-25得票数 0
回答已采纳
我正在编写一个模块，它将使用CuPy (一个使用CUDA的Numpy和Scipy的实现)来快速分析我的工作场所使用的数据，但我希望这些函数能够在无法访问CuPy的计算机上使用。我被认为只是做了这样的事情：
try:
import cupy as np
import cupyx.scipy as scipy
except ModuleNotFoundError:
import numpy as np
import scipy
但这并不是真的有几个原因。首先，它只涉及cupy没有安装的情况，但是没有安装cupy，但是CUDA没有工作，或者GPU由于任何原因无法被检测
浏览 25提问于2022-07-20得票数 3
我的目标是尝试丘比特。代码位于。
当我在train_custom_loop.py文件夹中执行‘ch1’时。遇到此错误。
参数'x‘类型不正确(预期的cupy.core.core.ndarray，got numpy.ndarray)
文件的哪一部分应该修复？
浏览 1提问于2022-01-25得票数 -2
我试图用内存映射模式在cupy中加载一些更大的.npy文件，但是我一直运行在OutOfMemoryError中。
我认为，由于它是以内存映射模式打开的，所以这个操作不应该占用太多内存，因为内存映射实际上并不会将整个数组加载到内存中。
我可以很好地用np.load加载这些文件，这似乎只发生在cupy.load上。我的环境是谷歌Colab，与特斯拉K80 GPU。它有大约12G的CPU内存，12G的GPU内存和350 gb的磁盘空间。
下面是一个重现错误的最小示例：
import os
import numpy as np
import cupy
#Create .npy files.
for
浏览 0提问于2019-09-01得票数 1
回答已采纳
我需要在图形处理器中使用cupy而不是numpy来运行部分代码。因此，我只注释掉了这一行# import numpy as np，并使用了这一行而不是import cupy as np
完整的代码：
from imutils.video import VideoStream
from imutils.video import FPS
# import numpy as np
import cupy as np
import argparse
import imutils
import time
import cv2
net = cv2.dnn.readNetFromCaffe('pro
浏览 314提问于2019-11-10得票数 2
回答已采纳
1回答
我想要构造一个已经存在于GPU上的数组的Cupy数组视图，并向我传递以下内容：
指针指向数组。我知道数据类型和数据大小。I也有一个音调。
如何构造数组视图(最好避免复制)？我尝试了以下几点：
import cupy as cp
import numpy as np
shape = (w, h, c, b) # example
s = np.product(shape)*4 # this is 1D
mem = cp.cuda.UnownedMemory(ptr=image_batch_ptr,
owner=None,
浏览 13提问于2022-03-03得票数 1
回答已采纳
我在处理丘比特的问题。我目前正在使用丘比特，它工作在一个非常满意的高速。但是当我使用cupy.einsum()方法时，我遇到了一个问题，我在Numpy中使用了相同的语法，没有任何错误。但是当使用Cupy时，它给了我一个错误。这是代码部分
import numpy as np
A = np.random.randn(2,3,10)
B = np.random.randn(3,4)
C = np.einsum('ijk,jl->ijl',A,B)
这很好，我得到了我一直想要的结果。但是，当我用Cupy编写相同的代码时
import cupy as cp
A = cp.rand
浏览 2提问于2020-09-22得票数 0
1回答
我最近制作了一个CuPy版本的numpy代码，我只得到了x5-x15的改进因子。当我检查我的GPU使用率时，它看起来很低(<1%)。我想优化我的代码的操作方式，以获得更快的结果。
通常，我希望对一个CuPy进行多个连续的cupy. ndarray操作。例如，生成一个随机向量：
def randomUniformUnitary(N):
theta = cp.random.rand(N) * 2 * cp.pi
phi = cp.random.rand(N) * cp.pi
x = cp.sin(phi) * cp.cos(theta)
y = cp.sin(
浏览 4提问于2021-03-14得票数 0
回答已采纳
1回答
使用Cupy的GPU FFT卷积
、、、、
我正在尝试使用Cupy在GPU上执行FFT卷积运算。 使用scipy.signal.fftconvolve的源代码，我想出了以下基于Numpy的函数，它工作得很好： import numpy as np
def FFTConvolve(in1, in2):
if in1.ndim == in2.ndim == 0: # scalar inputs
return in1 * in2
elif not in1.ndim == in2.ndim:
raise ValueError("Dimensions do not match.
浏览 86提问于2020-01-06得票数 0
在chainer.dataset.to_device中，我发现
参数：
device (int或None) -阵列要发送到的设备ID。如果为负值，则将数组发送到CPU。如果是，则向GPU发送一个给定ID的数组。如果为None，则在原设备中留下一个数组。X (numpy.ndarray或cupy.ndarray) -要发送的数组。
链接器使用0,1,2...来表示gpus设备id。但是对于cpu，我可以使用数字-1，-2，...代表我想要选择的不同cpu设备？
浏览 1提问于2018-02-21得票数 0
回答已采纳
3回答
关于使用Numpy和GPU (nvidia GTX 1080 Ti)，我有几个基本问题。我是GPU的新手，我想确保我正在正确地使用GPU来加速Numpy/Python。我在网上搜索了一段时间，但没有找到一个简单的教程来解决我的问题。如果有人能给我指点，我会很感激的：
( 1) Numpy/Python是否自动检测到GPU的存在并利用它来加速矩阵计算(例如numpy.multiply、numpy.linalg.inv、.等等)？或者我是否有特定的代码来利用GPU来实现快速计算？
( 2)有人能推荐一个关于在GPU (nvidia's)中使用Numpy/Python的好教程/入门材料吗？
浏览 0提问于2018-04-02得票数 62
回答已采纳
假设我需要定义函数，当输入是numpy数组时，它返回函数的numpy版本。当输入是cupy数组时，它返回函数的cupy版本。
import numpy as np
import cupy as cp
def tan(arr):
return cp.tan(arr) if arr.__class__ is cp.ndarray else np.tan(arr)
我还需要创建诸如sin、cos、tanh等函数。是否有一种方法可以在循环中创建这些函数以避免输入，或者是否有更好的方法？谢谢!
浏览 5提问于2022-04-10得票数 0
回答已采纳
我希望移动我的自定义摄像机视频管道使用视频内存与numba和cupy的组合，并避免将数据传递回主机内存，如果可能的话。作为这样做的一部分，我需要将我的锐度检测例程移植到使用cuda。最简单的方法似乎是使用cupy作为基本，我所做的就是计算每个图像的laplace变换的方差。我遇到的麻烦是，立方方差计算似乎比numpy慢8倍。这包括将设备ndarray复制到主机并使用numpy在cpu上执行方差计算所需的时间。我希望能更好地理解为什么cupy在GPU上使用的方差计算ReductionKernel要慢得多。我将从包括我下面的测试开始。
import cupy as cp
import numpy
浏览 26提问于2022-01-12得票数 0
回答已采纳
1回答
我想将cuDF数据转换为cupy ndarray。我在下面使用以下代码：
import time
import numpy as np
import cupy as cp
import cudf
from numba import cuda
df = cudf.read_csv('titanic.csv')
arr_cupy = cp.fromDlpack(df.to_dlpack())
输出：
---------------------------------------------------------------------------
ValueError
浏览 5提问于2020-05-07得票数 2
回答已采纳
numpy.nanpercentile的速度非常慢。所以，我想使用cupy.nanpercentile；但是还没有实现cupy.nanpercentile。有人对此有解决方案吗？
浏览 108提问于2020-02-01得票数 1
我正在写的代码，是理想的运行在图形处理器上的速度，使用CuPy。但是，我希望代码能够使用numpy实现运行(尽管速度较慢)。目前，我正在做以下工作：
import numpy as np
if gpu_present:
import cupy as cp
else:
import numpy as cp
我担心我以后会遇到问题。这是一个很好的实践吗？
浏览 0提问于2019-09-23得票数 3
1回答
我试着用cupy来提高代码效率。但是我找不到在cupy中进行线性规划的方法。这个问题来自以下几个部分：
N = hull_points.shape[0]
c = ones(N)
A_eq = concatenate((hull_points, ones((N, 1))),
1).T # rows are x, y, z, 1
b_eq = concatenate((pnt, (1,)))
result = linprog(c, A_eq=A_eq, b_eq=b_eq)
有什么我可以直接用的吗？或者唯一的出路是实现一个基于cupy的线性规划包？
浏览 10提问于2021-12-08得票数 0
回答已采纳
这是我在Google Colab中的代码： import cupy as cp
import numpy as np
import joblib
import dask_ml.model_selection as dcv
def ParamSelection(X, Y, nfolds):
param_grid = {'C': [0.001, 0.01, 0.1, 1, 10, 100],'kernel':['linear'], 'gamma':[0.001, 0.01, 0.1, 1, 10, 100]}
sv
浏览 62提问于2021-10-31得票数 0
1回答
考虑使用cupy进行模拟的类中使用多处理的简化示例。这部分
obj = FUNC(par)
obj.simulate()
在cupy中完成，然后将数据复制到CPU。多处理不涉及GPU上的数据，但仍然会出现以下错误：
import tqdm
import cupy as cp
import numpy as np
from multiprocessing import Pool
class FUNC:
def __init__(self, par) -> None:
self.x = par['x']
def simulate(sel
浏览 13提问于2022-03-17得票数 0
回答已采纳
我尝试用cupy并行化下面的操作:我有一个数组。对于该数组的每一列，我将生成2个随机向量。我取该数组列，添加其中一个向量，减去另一个，并将该新向量设为数组的下一列。我继续下去，直到我完成数组。
我已经问了以下问题-- 。但这是不同的，因为我相信我遵循了并行化操作的建议，使用一个"for loop“而不是两个”for loop“，并且只迭代数组列而不是行和列。
import cupy as cp
import time
#import numpy as cp
def row_size(array):
return(array.shape[1])
def number_of_
浏览 153提问于2019-08-18得票数 0
1回答
设a和b是两个长度为1024的numpy.float数组，定义为
cdef numpy.ndarray a
cdef numpy.ndarray b
我注意到：
cdef int i
for i in range(1024):
b[i] += a[i]
远比以下慢得多：
b += a
为什么？
我真的需要能够手动遍历数组。
浏览 2提问于2015-05-14得票数 2
回答已采纳
我测量了两个等效函数的运行时间，它们使用timeit模块计算numpy数组(1D和2D)的平均值：
>>> setup = 'import numpy as np;a=np.random.randint(100, size=(100,100));b=np.random.randint(100, size=1000)'
>>> timeit.timeit(setup=setup, stmt='a.mean()')
13.513522000001103
>>> timeit.timeit(setup=setup,
浏览 9提问于2022-07-05得票数 3
2回答
用Cython优化NumPy
、、、、
我目前正在尝试优化我用纯Python编写的代码。这段代码大量使用，因为我使用的是NumPy数组。下面你可以看到我转换成的最简单的类。它只做两个Numpy数组的乘法运算。这里：
bendingForces = self.matrixPrefactor * membraneHeight
我的问题是，当我看到"cython -a“生成的C代码有很多NumPy调用时，我是否以及如何优化这一点，这看起来不是很有效。
import numpy as np
cimport numpy as np
ctypedef np.float64_t dtype_t
ctypedef np.complex128
浏览 0提问于2011-03-17得票数 5
回答已采纳
我试图使用CuPy来加速目前主要使用NumPy的python函数。我在上安装了CuPy，安装了CUDA 10.0。
CuPy函数似乎工作得很好，但是，它们是，比它们的NumPy功能慢得多。例如，我从运行了第一个具有破坏性结果的示例：
import numpy as np
import cupy as cp
import time
### Numpy and CPU
s = time.time()
x_cpu = np.ones((1000,1000,1000))
e = time.time()
print(e - s) # output: 0.9008722305297852
### Cu
浏览 7提问于2021-02-02得票数 1
2回答
使用python3.8和cupy-cuda111 创建cupy数组并尝试强制转换为cp.int_会导致cupy假定为numpy数组的隐式转换 import cupy as cp
def test_function(x):
y = cp.int_(x * 10)
return(y)
x = cp.array([0.1, 0.2, 0.3, 0.4, 0.5])
y = test_function(x)
print(y) 我假设这会将标量相乘并返回([1, 2, 3, 4, 5], dtype=cp.int_)，但结果却是： TypeError: Implicit conv
浏览 595提问于2020-11-25得票数 0
回答已采纳
1回答
我有一个整数数组labels，例如array([0, 1, 1, 2, 2, 2, 3, 3, 1, 4, 4, 1, 1, 0, 0, -1, -1])。数组可以是大的(> 100 k元素)，并且很少包含超过5/6个不同的整数+ (-1)。在上面的例子中，唯一的整数是0, 1, 2, 3, 4。整数总是连续的，0-索引.
我有一个代码片段，它查看从一个标签到另一个标签的转换，它可能需要一些爱来获得一个有效的版本：
from itertools import groupby
import numpy as np
from numpy.typing import NDArray
de
浏览 0提问于2022-11-23得票数 2
我的目标是编写一个自定义的returns内核，它既返回每行的argmax，也返回max和submax (第二大max)之间的差异。我是CUDA的新手，我正在使用cupy。作为第一步，我尝试编写自己的max(axis=1)内核。有时它会起作用，但对于大型矩阵，它会崩溃。
import cupy as cp
import numpy as np
maxval2d = cp.RawKernel(r'''
extern "C" __global__
#define THREADS_PER_BLOCK (32*32)
void my_maxval2d(unsig
浏览 1提问于2019-01-09得票数 3
我有一个基于NumPy的神经网络，我正在尝试将其移植到CuPy。我有一个如下的函数：
import numpy as np
def tensor_diag(x): return np.apply_along_axis(np.diag, -1, x)
# Usage: (x is a matrix, i.e. a 2-tensor)
def sigmoid_prime(x): return tensor_diag(sigmoid(x) * (1 - sigmoid(x)))
这使用NumPy工作，但CuPy没有类似的函数(从2020年5月8日起不受支持)。我如何在CuPy中模拟这种行为？
浏览 24提问于2020-05-08得票数 1
回答已采纳
我开始实现DL代码，这是我第一次使用DL、GPU和丘比。我制作了一个玩具示例，它在同一台机器上的不同python环境中工作方式不同，我希望详细了解发生这种情况的原因和原因。 这是我的代码 import numpy as np
import cupy as cp
X = 150000
Y = 100
Z = 79
shape_pca_mean = np.random.rand(X, 1)
shape_pca_basis = np.random.rand(X, Y)
shape_pca_basis_gpu = cp.asarray(shape_pca_basis)
shape_param
浏览 29提问于2020-09-10得票数 0
我想在我的代码中使用带有CuPy库的numpy函数np.float32(im)。 im = cupy.float32(im) 但是当我运行代码时，我会遇到这样的错误： TypeError: Implicit conversion to a NumPy array is not allowed. Please use `.get()` to construct a NumPy array explicitly. 有什么解决方法吗？
浏览 875提问于2021-08-03得票数 1
1回答
如何提高神经网络的性能？
、、、、
当我学习用Python编写神经网络时，我刚刚编写了以下线性关联网络，它接受K输入向量x_1, ..., x_K的长度L和K输出向量的长度N，并使用梯度下降找到最优权值。
由于计算时间在调整K、L和N时非常迅速，所以我正在研究如何加快计算速度。我发现了cupy，但是cupy比numpy慢得多。为什么这会是？当将代码更改为cupy变体时，我只会将每个np替换为cp，因为我将cupy导入为cp。
我也使用过f = njit()(ManyAssociations.fit)，但后来我不得不在适当的情况下使用return W而不是编写ManyAssociations.weights = W。有在类中使用n
浏览 2提问于2021-03-21得票数 1
回答已采纳
2回答
我正在用GPU编写代码，不断地进行三次样条插值。我知道怎么做，就像用
scipy.interpolate.splrep
或
scipy.interpolate.interp1d(kind='cubic')
interp1d是我现在用于numpy数组的工具。但我需要在CuPy上运行它们。
但我应该如何在CuPy上做到这一点呢？我有x值和y值。我还有一个具有新x值的数组。我现在编写的代码将计算新x值的新y值。
浏览 2提问于2020-03-12得票数 1
回答已采纳
如何将定义的函数应用于cupy.array而不是np.vectorize？类似的功能在cupy中已经实现了吗？
我正在用Python3.6.9编写模拟程序。
我想用GPU(GTX1060，NVIDIA)和CuPy(6.0.0 for CUDA10.1)进行仿真。
在原始代码中，函数numpy.vectorize用于将定义的函数应用于np.array。但是，相同的函数还没有在CuPy中实现。
原始代码(使用numpy)如下：
#For define function
def rate(tmean,x,y,z):
rate = 1/z/(1 + math.exp(-x*(tmean-y))
浏览 4提问于2019-11-04得票数 2
回答已采纳
1回答
我正在尝试测试一个简单的基于神经网络的手写数字识别应用程序。目前，它使用Numpy作为矩阵，使用scipy的expit函数进行激活。虽然这是一个非常基本的网络，但我想在GPU上运行整个程序，因此决定使用Cupy库。
不幸的是，我无法让expit函数在GPU上运行。我一直收到一条错误消息，上面写着“未实现”。
`self.activation_function = lambda x: scipy.special.expit(x)`
错误消息
array_ufunc(<ufunc‘TypeError’>，call，NotImplemented ([ 0.96079161，1.37
浏览 3提问于2021-02-08得票数 0
我正在构建一个Python包，其中的定义/方法使用了Numpy。我想让我的未来用户在加载包时选择Cupy或Numpy。什么是优雅的，或者让我说是正确的方法呢？ 为了提供更多的上下文，我的库位于一个名为mynewlibrary的文件夹中，并且该文件夹中只有一个文件：__init__.py。在目前的__init__.py中，我按如下方式导入了这两个文件。 import numpy as np_cpu
import cupy as np
def compute(a):
return np.pi*a 如何在import mynewlibrary on demand过程中将np设置为nump
浏览 19提问于2019-12-30得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
