2

我正在为我的模型使用 chainer 库并面临以下问题：假设我有一个包含 3 个特征和一个标签（最后一列）的测试数据文件。它以列表的形式导入。例如

test_set = [[1,0,9,1],[7,0,8,1],[7,0,2,0],[8,0,1,0]]

然后我通过将数据转换为 numpy 数组并获取标签列来获取标签，然后我将其转换为列表以与预测标签进行比较，例如 y_pred = [1,1,1,0]。IE

import numpy as np
y_true_np = list(np.array(test_set)[:,3])
print(y_true_np)
[1, 1, 0, 0]

我担心的是，当我在 GPU 中运行我的模型时，它使用 Cuda.cupy 而不是 numpy，因为我使用的是 chainer 库，当我获取真实标签时，我收到它们：

在cupy那里： 

import cupy as cp
y_true_cp = list(cp.array(test_set)[:,3]) Or
y_true_cp = list(cuda.cp.array(test_set)[:,3])

两者都返回一个数组列表：

y_true_cp: [array(1), array(1), array(0), array(0)]

作为一种解决方法，我在那个特定的地方使用 numpy。我在使用 cupy 时做错了什么，因为我没有正确获取值吗？

4

3 回答 3

3

虽然 NumPy 将 0 维数组转换为标量，但 CuPy 不会。 https://docs-cupy.chainer.org/en/stable/reference/difference.html#zero-dimensional-array

结果[array(1), array(1), array(0), array(0)]，数组的每个数据都在GPU上。cupy.asnumpy如果需要高效的 CPU 阵列，我会使用。

y_true_cp = list(cp.asnumpy(cp.array(test_set)[:,3]))

于 2018-11-22T03:21:58.230 回答
1

没有必要通过 numpy.

输入

import cupy as cp

test_set = [[1,0,9,1],[7,0,8,1],[7,0,2,0],[8,0,1,0]]
test_set = cp.array(test_set)

x_true = test_set[:, :3]
y_true = test_set[:, 3]
print("x_true:\n".format(x_true))
print("y_true:\n".format(y_true))

输出

x_true:
[[1 0 9]
 [7 0 8]
 [7 0 2]
 [8 0 1]]
y_true:
[1 1 0 0]
于 2018-11-22T07:12:20.090 回答
0

正如您所写，您包裹时的行为似乎list有所不同

import numpy as np
import cupy as cp

print(list(np.arange(3))  # --> [0, 1, 2]
print(list(cp.arange(3))  # --> [array(0), array(1), array(2)]

但是，在您的情况下，我认为您可以只使用numpy数组或cupy数组而不转换list.

y_true = test_set[:, 3]  # it should work for both numpy & cupy
y_true_np = cuda.to_cpu(y_true)  # If you want to convert the array to numpy
于 2018-11-22T01:04:02.153 回答