问题标签 [gpuarray]

我已按照说明在系统文件夹中（而不是作为用户）从源代码（git 版本）安装 Theano 和 GPUArray。GPUArray 测试运行良好，没有错误。

问题是如果我以 root 身份运行，Theano 仅适用于 GPU。运行示例来测试 gpu：

如果以 root 身份运行，它可以工作，尽管仍然存在与 cuDNN 无法识别设备相关的错误：

这台机器上有 2 个 Titan X。在 TensorFlow 上运行良好。我没有使用 .theanorc 文件，但我同时设置了：

我按照说明做了所有事情，尽管有一些警告，但没有错误。

我不认为这是 compile dir 的权限错误.theano，因为如果我 chown .theanodir 行为是相同的。

我怎样才能解决这个问题？

我在使用带有 gpuArrays 的 Statistics and Machine Learning Toolbox 的pdist2或mvnpdf函数时遇到了麻烦，尽管它明确指出它应该可以工作：

https://de.mathworks.com/help/stats/statistics-and-machine-learning-toolbox-functions-with-gpuarray-arguments.html

我怎样才能使这项工作？

没有gpuArrays，使用这2个函数是没有问题的。

谢谢你的帮助。

编辑

我收到以下错误：

我最近更改了配置以更快地训练 CNN。我有一个 gtx 1080。对于我现有的大多数神经网络，我通过 python3 使用 theano 后端。

因为我读过 CUDA 7.5 没有完全使用 pascal 架构，所以我安装了 CUDA 8 和相应的 cudnn 6.X。

我的问题如下，pygpuarray 似乎无法找到“libnvrtc.so”：

我很确定 cuda 已安装，这是 nvcc --version 输出：

我在以下位置找到了该文件：/usr/local/cuda-8.0/lib64

奇怪的是“ldconfig -p | grep libnvcc”命令什么也没返回……

我希望这篇文章不存在于其他任何地方，我已经进行了一些搜索以防止这种情况发生，但你知道，互联网是巨大的。

问我是否需要更多信息。由于我没有设法解决这个问题，我显然不知道解决这个问题需要哪些信息，所以我做了这个小简历等待你的问题（如果需要）。

如果我在以下链接中使用列表中的任何功能：

在 GPU 上运行内置函数， 参数类型为gpuArray而不是数组，计算结果会更快吗？如果答案是肯定的，是否存在使用数组而不是gpuArray更方便的情况？

据称这个问题是这个问题的重复：

为什么 MATLAB gpuarray 仅添加两个矩阵要慢得多？

显然情况并非如此，因为我是以一般方式询问的，而这是针对特定代码将 CPU 与 GPU 进行比较。最多，该链接应该提供这个问题的答案。

也许我错过了一些东西。我正在使用 pycuda，我有以下矩阵 m_gpu：

我打印出第一列和第二行以进行完整性检查：

然后我进行元素比较以返回一个最大值数组，这是错误的，因为第三个元素应该是“5”但它是“1”：

可能是 gpuarray.maximum 中的错误？似乎不太可能。我使用常规 numpy 执行相同的操作，它返回正确的值。在 Windows 上使用 pycuda-2017.1.1+cuda8061-cp27。帮助？谢谢。

我尝试设置 THEANO_FLAGS，然后导入 Theano。这总是会导致错误。

如何将路径“/Developer/NVIDIA/CUDA-7.0/lib/libnvrtc.dylib”更改为“/usr/local/cuda/lib/libcuda.dylib”？

我在 MatLab (2018a) 中编写了一段代码，它是标准 matlab 代码和 CUDA 代码的混合体，我使用编译与 mexcuda 将其链接起来。我的代码中的核心循环包含一个矩阵的插值，比如从大小 [nxm] 到 [N x M]。我已经使用 GPU 加快了这部分的速度。由于此插值在循环内，并且由于我插值的矩阵的大小（之前和之后）在循环的每次迭代中都是相同的，我想通过预先分配输出大小的数组来加速应用程序显卡。所以我想做类似的事情：zeros(N,M,'gpuArray')在开始时，将它作为输入提供给 mexFunction，然后将插值矩阵写入这个数组。这将节省相当多的分配时间（[N_iterations-1]*allocation_time，粗略地说）。

我现在的问题是：我不知道这是否可能。使用 mexFunction() 作为入口点，我知道检索输入数组的唯一方法是使用以下内容：

但是，顾名思义，这会导致只读权限。我不能使用mxGPUGetData(in)，因为 mxGPUArray 是const，不能用它初始化非常量实体。有谁知道是否有解决这个问题的方法不涉及在 mexFunction 内分配数组？

编辑：

下面的代码显示了两个 C 代码示例，其中第一个是我当前代码的类比，第二个是我正在努力的目标：

当前的：

主意：

以上两个是（至少在我看来）以下 matlab-cuda 混合代码的类比：

当前（matlab）；mexcuda 函数需要为 input(:,:,indx) 的插值分配内存

想法：内存分配被移出 mexcuda 函数（因此，移出核心循环），并且 mexcuda 函数只需要检索指向这个（可写）数组的指针；

请注意，确实有可能进一步并行化：如前所述，我正处于并行化整个事物的中间步骤。

我正在使用 MATLAB 编写仿真，其中使用了 CUDA 加速。

假设我们有向量x和，y矩阵和标量A变量，，，，，。dtdxabc

我发现通过在运行迭代和内置函数之前放入 , ，可以显着加速x迭代y。AgpuArray()

但是，当我尝试将dt, dx, a, b,之类的变量c放入 中gpuArray()时，程序会显着减慢 30% 以上。（时间从 7 秒增加到 11 秒）。

为什么将所有变量放入gpuArray()?

x（简短的评论，这些标量与, y, ,相乘A，并且从未在单独的迭代过程中使用过。）

考虑这行代码：

结果是：

现在考虑以下代码行：

结果是：

这个问题显然与double -> complex doubleGPU 上的转换有关，这是不允许的。确实，当我应用解决方法（文档中也提到过）时，它解决了问题 - 但我不明白为什么。

有人会对此有所了解吗？这是 VRAM 的一些限制吗？我正在使用的特定卡（我的是 GTX 660，CC 为 3.0）？MATLAB 的实现（我使用的是 R2018b）？操作系统？

我有一个关于在 Matlab 中使用 GPU 的问题。我在 Matlab 网站上遵循了在 GPU 上运行的代码的简单代码但是当我运行代码并同时检查 CPU 和 GPU 时，我看到代码在 CPU 而不是 GPU 上运行！

实际上，Matlab 网站说gpuArray()自动在 GPU 上传输代码，但似乎代码是在 CPU 而不是 GPU 上运行的。

这是代码：

这是从处理统计数据中截取的快照。

我将不胜感激您能提供的任何帮助。