问题标签 [arrayfire]

我刚刚从 accleeyes 下载了 Arrayfire 库。Arrayfire 是一个基于 CUDA 的库，我在 python 中使用它。我尝试在 python 中运行最简单的代码：

提示挂起，我的 cpu 使用率约为 50%（我有一个双核 cpu）。当我运行提供的示例时也会发生同样的事情。阻止这种情况的唯一方法是从进程管理器结束进程。出了什么问题？有人可以帮我吗？

我在 Python 上使用 Arrayfire，但我不能使用 af.sum() 函数，因为我的输入数组中有 NaN，它会将 NAN 作为总和返回。

由于速度问题，不能使用 numpy.nansum/numpy.nan_to_num 。

我只需要一种方法将这些 NaN 转换为 arrayfire 中的浮点零。

我对 GPU 编程很陌生，但由于我有一项计算密集型任务，我转向 GPU 以获得可能的性能提升。

我尝试用ArrayFire 免费版重写我的程序。它确实比我启用多线程的 CPU 例程快，但没有达到我预期的程度（即 < 100% 加速），并且返回的结果不太正确（与 CPU 例程相比，误差 < 1%，假设CPU 例程的结果是正确的）。

我的任务主要是对大型矩阵（300MB-500MB 大小）进行元素方式的 float-32 数学运算，很少有 if-thens/switch-cases 等。我猜性能瓶颈可能是 CPU 和 GPU 内存之间的带宽，因为有大量数据读取等。我测试的 GPU 是 GeForce 580GTX，具有 3GB 显存。

如果我编写原始 CUDA 代码（使用 CUBLAS 等和平均优化）而不是使用 ArrayFire 来完成我的任务，是否还有很大的优化空间？我阅读了一些 NVIDIA 优化指南；似乎有一些内存访问技巧可以加快数据访问速度并减少银行冲突。ArrayFire 是否自动使用这些通用技巧？

我目前正在用 C++ 编写代码，该代码从目录中读取一组 3D .vtk 文件，并将 3D 点存储到 ArrayFire 数组中，以便我可以实现 PCA。

问题是我需要用cmake编译VTK。但是当我这样做时，arrayFire 会给出错误 LNK2019 和错误 LNK2001。

我在 MSDN 中检查了这个错误，但我仍然不清楚如何解决它。

有谁知道如何将 ArrayFire 添加到我的 CMakefile 中，以便我可以和平地构建 VTK 和 arrayFire？

谢谢。

我正在构建一个 Windows 窗体应用程序，该应用程序使用 ArrayFire array对象控制 3D 体积渲染。是不受管理的array。在表单构造函数中，我加载并渲染了体积。

我有一个Trackbar控制音量的不透明度和一个相应的滚动事件处理程序。但是，我不知道如何将音量传递array给Trackbar滚动事件处理程序，以便重新渲染音量。

我不能将卷array作为表单的属性，因为显然托管类不能具有非托管属性。

最好的方法是什么？

我正在尝试使用 ArrayFire 对9000x9000 像素 3 通道图像执行卷积，大约为 75MB。我的 GPU 是具有 1536MB RAM 的 NVIDIA GTX480。我希望 ArrayFire 使用 75MB 的输入图像和大约 75MB 的输出图像。但是，ArrayFire 运行了一段时间，最终说它内存不足：

在具有 1536MB 内存的 GPU 上对 75mb 图像执行卷积时，ArrayFire 会耗尽内存。为什么会发生这种情况，我该怎么办？

代码：

系统配置及注意事项：

• 阵列火 1.9
• Ubuntu 10.04
• CUDA 5.0
• NVIDIA GTX480 (Fermi) GPU，拥有 1536MB 内存
• helloworld和其他 ArrayFire 示例正常工作
• ArrayFire 的卷积对较小的图像（例如 512x512 像素）没有问题

我正在使用以下利用 ArrayFire 库的测试代码。

一切都编译并正确运行。

但是，然后我将上述功能更改为

我收到以下运行时错误消息

src/gena/gtypes.cpp:112：错误：从 cuComplex 类型的数组请求 cuDoubleComplex

如果，在另一边，我改变线

至

一切都再次运行良好。似乎与使用seq. seq(0,N-1,f64)如果我使用类似的东西（我什至不知道 ArrayFire 是否允许），上述问题不会消失。

我怎样才能继续double2处理并避免降级float2？

Given a square matrix A, I need to obtain a diagonal matrix D that contains A's 5 largest magnitude eigenvalues and a matrix V whose columns are the corresponding eigenvectors. In Matlab the code is [V,D] = eigs(A,5). Is there a similar function in ArrayFire C++?

In ArrayFire I use af::eigen(Values,Vectors,A). What is the order of elements in Values? In one test I had the elements of Values sorted in the order of increasing magnitude, however in the other case Values was sorted in the order of decreasing magnitude. Essentially, I need to extract 5 eigenvectors that correspond to the largest magnitude eigenvalues. Do I have to use the sort function to achieve this?

UPDATE Here's a simple example:

谁能告诉我gfor结构是如何分配CUDA线程的？众所周知，在 Arrayfire 中，我们可以使用 gfor 进行并行计算。但是，CUDA的线程是有限的，所以我想知道，如何改进我的Arrayfire代码，我是否应该根据GPU硬件架构重新设计gfor结构。

我正在尝试使用 ArrayFire 评估简单的 GPU 元素矩阵运算的性能。

特别是，考虑到

我想执行以下指令的时间

我正在使用两种方法。第一个是

第二个是定义以下函数

然后打电话

我得到了以下结果：

(N1,N2)=(256,256) 第一种方法=0.0456ms 第二种方法=0.264ms

(N1,N2)=(512,512) 第一种方法=0.0451ms 第二种方法=0.264ms

(N1,N2)=(1024,1024) 第一种方法=0.0457ms 第二种方法=0.263ms

(N1,N2)=(2048,2048) 第一种方法=0.127ms 第二种方法=0.265ms

我还根据以下“手动编码”版本的表达式使用

获得以下

(N1,N2)=(256,256) 0.0897ms

(N1,N2)=(512,512) 0.339ms

(N1,N2)=(1024,1024) 1.3ms

(N1,N2)=(2048,2048) 5.37ms

奇怪的是

1. 两种方法的结果是不同的。这可能是由于函数调用开销造成的，但无论如何，这种开销在(N1,N2)=(2048,2048).
2. 这两种方法的结果几乎与矩阵大小无关。
3. 与表达式的“手动编码”版本相比，结果有很大不同（我假设库应该在生产力和性能之间进行权衡）。

请注意，在任何操作之前，我正在使用代码预热 GPU

有人可以帮我解释上述结果吗？谢谢。

按照 Pavan 的回答进行编辑

第一种方法修改为

第二种方法修改为

不过，现在的时机是

而且我仍然有不同的时间并且独立于向量大小。

如果我将第一种方法修改为

即，对于第一种方法，我“增加”了 GPU 预热阶段，我获得了，

这对我来说似乎更合理，因为时间取决于数据大小并且更接近手动编码。

第二次编辑 总结一下：我已经解释了答案和评论，对于第一种方法，我正在使用

我正在获得以下（新）结果：