0

我有一个 numpy 脚本，我在其中对大矩阵执行以下操作（可以10000x10000使用float值）：

F = (I - Q)^-1 * R

我首先在 CPU (i7-8750H) 上使用了 pytorch 张量，它的运行速度提高了 2 倍：

tensorQ = torch.from_numpy(Q)
tensorR = torch.from_numpy(R)
sub= torch.eye(a * d, dtype=float) - tensorQ
inv= torch.inverse(sub)
tensorF = torch.mm(inv, tensorR)
F = tensorF.numpy()

现在我正在尝试在 GPU (1050Ti Max-Q) 上执行它，看看我是否可以获得另一个加速，但代码运行速度比 numpy 版本慢（我已经安装了 CUDA 和 cuDNN）。也许 pytorch 它甚至不是做这类事情的最佳库，但我现在正在学习它，我认为它可以帮助我：

dev = torch.device('cuda')

tensorQ = torch.from_numpy(Q).to(dev)
tensorR = torch.from_numpy(R).to(dev)
sub= torch.eye(a * d, dtype=float).to(dev) - tensorQ
inv= torch.inverse(sub).to(dev)
tensorF = torch.mm(inv, tensorR).cpu()
F = tensorF.numpy()

我错过了什么吗？

编辑： 我也尝试过使用 CuPy，但它仍然很慢：

Q = cp.array(matrixQ)
R = cp.array(matrixR)
sub = cp.identity(attacker * defender) - matrixQ
inv = cp.linalg.inv(sub)
F = cp.matmul(inv, matrixR)
F = cp.asnumpy(matrixF)

与少量操作的计算相比，内存分配的开销可能太大了。

4

0 回答 0