问题标签 [cupy]

我正在研究 numpy 和 cupy 之间的差异，并注意到在我创建的这两个类似程序中，cupy 版本要慢得多，尽管它是在 GPU 上运行的。

这是 numpy 版本：

这是杯子版本：

它们本质上是相同的代码，除了一个使用 numpy 而另一个使用 cupy。由于 GPU 的使用，我期望 cupy 执行得更快，但事实并非如此。numpy 的运行时间为：0.032。而 cupy 的运行时间是：0.484。

我正在尝试安装 CuPy 和 PyTorch 来运行依赖于两者的包。

我的 CUDA 版本是 10.1，但 10.1 的 CuPy 轮子给出了下面的错误消息。PyTorch 安装的错误消息类似，如果相关，我可以稍后发布。

我已将 Python 更新为 3.7.4 64 位，并验证该版本正在运行。我已经使用 deviceQuery 确认我的 CUDA 版本是 10.1。

CuPy 安装错误消息

我需要将两个矩阵相乘很多次，我正在使用 CUPY。我正在这样做

在上面的循环代码中需要很多时间，我知道不应该那样做。我应该如何用 cupy 重写它，以便 for 循环不会成为瓶颈

我正在使用cupy执行以下操作，这非常快：

但是，如果我将其转换为数组：

这似乎很慢或只是挂起（我在 5 分钟后放弃了）。我不确定我在这里做错了什么。

我也尝试传递copy=False给cp.array电话，但这并没有改变任何东西。

I am trying to use the scipy compatible finction of cupy namely the map_coordinates function. However, after a lot of tinkering I am unable to get it to work. So, I do something as follows:

Now, this returns the error: ValueError: Out shape is mismatched.

I am not sure now why this should be the case as the output should be generated by the function itself. The coordinates are the correct 4D shape, think. I am really at a loss on how to make this work. Unfortunately, I could not come across any working example of this on the net as well.

在 cupy 中执行以下最小示例。

以下列方式

给了我一个奇怪的磁盘配额超出错误。

我的设置是

我的 anaconda 安装在 A./home/sysdata/USR/anaconda3 我的工作目录是 B./work/sandbox

两者都有足够的磁盘配额。我该如何调试呢？编辑：通过清除临时目录来解决此错误。

但是现在我得到了错误：

print( cupyx.get_runtime_info() ) 的输出如下：

在 cupy 中执行以下最小示例。

以下列方式

给我这个错误：

print( cupyx.get_runtime_info() ) 的输出如下：

我该如何调试呢？

我有代码，我想与 cupy 并行化。我认为这很简单——只需写“import cupy as cp”，然后将我写 np. 的所有地方都替换为 cp.，这样就可以了。

而且，它确实有效，代码确实可以运行，但速度要慢得多。与 numpy 相比，我认为在迭代更大的数组时最终会更快，但似乎永远不会发生。

代码是：

这应该用cupy变得更快吗？我用错了吗？

如果我有一个简单的采样 3D 点的形式

在cupy中实现的体素函数中，我可以从c ++代码中调用该函数吗？我们有 c++ 代码调用 tensorflow 图并在汽车中执行。我可以将我的 Cupy 代码编译成 C++ 二进制文件并从 C++ 代码中调用吗？

我是cupy的新手，我一直在玩numpy和cupy来比较执行时间。

我有一个具有 2560 个内核的 Geforce gtx 1080，时间比 t_numpy/t_cupy 是 18.. 比我预期的要慢得多。我怎样才能达到更好的性能？