问题标签 [numba-pro]

我正在尝试使用分配设置 3D 循环

在我的 GPU 上使用 Python。这是我的 GPU：

http://www.geforce.com/hardware/desktop-gpus/geforce-gt-520/specifications

我正在查看/比较的来源是：

http://nbviewer.ipython.org/gist/harrism/f5707335f40af9463c43

http://nbviewer.ipython.org/github/ContinuumIO/numbapro-examples/blob/master/webinars/2014_06_17/intro_to_gpu_python.ipynb

我可能导入了不必要的模块。这是我的代码：

我运行它的结果如下：

当我运行源代码中的示例时，我看到了显着的加速。我认为我的示例运行不正常，因为挂钟时间比我预期的要长得多。我主要从第一个示例链接中的“使用 cuda python 实现更大的加速”部分对此进行了建模。

我相信我已经正确且安全地建立了索引。也许问题出在我的blockdim上？还是格子？或者我的 GPU 使用了错误的类型。我想我读到它们一定是某种类型。我对此很陌生，所以这个问题很可能是微不足道的！

非常感谢任何和所有帮助！

我正在尝试运行一个导入 numbapro 的 Python 脚本，但我一直在获取到站点包位置的错误路径。当我从交互式命令行导入 numbapro 时，我没有任何问题，但是当我尝试从 spyder、PyCharm 或提示符运行此演示脚本时：

我收到此错误：

出于某种原因，当 numbapro 站点包实际上位于默认的 anaconda 站点包位置时，它会一直出现在 /opt/... 目录中。任何帮助将不胜感激。我的环境是 Ubuntu 14.10、Python 2.7 和 Anaconda 2.1.0。

到目前为止，我在http://julialang.org/上看到的 Julia 性能基准测试，将 Julia 与纯 Python 或 Python+NumPy 进行了比较。与 NumPy 不同，SciPy 使用 BLAS 和 LAPACK 库，我们可以在其中获得最佳的多线程 SIMD 实现。如果我们假设 Julia 和 Python 在调用 BLAS 和 LAPACK 函数时（在底层）的性能是相同的，那么当使用 Numba 或 NumbaPro 处理不调用 BLAS 或 LAPACK 函数的代码时，Julia 的性能与 CPython 相比如何？

我注意到的一件事是 Julia 使用的是 LLVM v3.3，而 Numba 使用的是基于 LLVM v3.5 构建的 llvmlite。Julia 的旧 LLVM 是否会阻止在 Intel Haswell（AVX2 指令）等较新架构上实现最佳 SIMD？

我对处理非常大的向量的意大利面条代码和小型 DSP 循环的性能比较感兴趣。由于将数据移入和移出 GPU 设备内存的开销，对我而言，后者由 CPU 比 GPU 更有效地处理。我只对单个 Intel Core-i7 CPU 的性能感兴趣，因此集群性能对我来说并不重要。我特别感兴趣的是创建 DSP 功能的并行实现的简单性和成功性。

这个问题的第二部分是 Numba 与 NumbaPro 的比较（忽略 MKL BLAS）。考虑到Numba中装饰器target="parallel"的新nogil论点，真的需要@jitNumbaPro 吗？

这是 numba 的基本示例

但它会生成错误消息

我的康达版本是

你有同样的问题吗？帮我..

我正在尝试使用 anaconda 加速来快速计算矩阵。我从一个非常基本的例子开始：乘以 2 个矩阵。

我的目标是以某种方式获得比通常的 numpy.dot 更好的 GPU 乘法

这是我的基本示例，基于此文档。

结果太糟糕了：GPU 比 CPU 慢得令人难以置信

当然我知道内部 numpy 实现已经很好地优化了，但我希望 anaconda 官方示例很好。我正在使用python 3.4.3并在使用这两个帮助库时出错：http ://www.cs.toronto.edu/~tijmen/gnumpy.html和https://github.com/rctn/gpupy

我应该说使用 gpupy 我在 python 2.7 上成功加速。

所以我的问题是：如何通过使用 GPU 获得比 numpy-CPU 更好的矩阵乘法？anaconda 官方示例有什么问题，如果有一个允许以 numpy 方式使用 GPU 的 python3 工作库？

===

结果

不幸的是，python 3没有简单而好的方法，改用2.7

感谢@rth 推荐了很棒的库scikits.cuda

可用功能

一些基准测试（使用 anaconda mkl 进行测试，所以 numpy 也很快）

和结果

我正在使用 Python/NumbaPro 在 Windows 盒子上使用我的 CUDA 兼容 GPU。我使用 Cygwin 作为 shell，并且在 cygwin 控制台中找到我的 CUDA 设备没有问题。我用简单的命令测试

但是当我通过 OpenSSH 连接到盒子时（作为我的 Cygwin 设置的一部分），我收到以下错误：

如何解决这个问题？

我希望从一个 GPU 内核调用另一个：

我已经device=True在被调用函数上添加了，但它似乎没有起到作用。

失败的行产生此错误：TypingError: Untyped global name 'sum'

可能有什么问题？

我想使用 Numbapro API 在 python 中执行一个 CUDA 内核。我有这个代码：

给我这个错误：

我尝试了另一个 numbapro 示例，并且出现了相同的错误。我不知道这是不支持 5.2 计算能力的 Numbapro 的错误还是 Nvidia NVVM 的问题......建议？

理论上应该支持，但我不知道发生了什么。

我正在使用带有 CUDA 7.0 和驱动程序版本 346.29 的 Linux

Numba Pro 和基于 Theano 的 pyautodiff 都支持将 Python 代码转换为 GPU 机器码。Theano 还将允许对结果语法树进行符号派生，但这超出了我的问题范围。

我的问题是在一个或另一个框架中是否存在技术限制，这会降低代码效率。

我目前正在编写可以使用 GPU 高度并行化的代码。我的代码结构基本上是这样的：

1. 创建两个数组，我们称它们为长度为 N 的 A 和 B。（CPU）
2. 执行最终返回标量的 NxN 计算。这些计算仅取决于 A 和 B，因此可以并行化。(图形处理器)
3. 将所有这些标量收集在一个列表中并取最小的一个。（中央处理器）
4. 使用此标量 (CPU) 修改 A 和 B
5. 返回第 2 步并重复，直到满足某个条件。

大多数示例都非常具有说明性，但它们似乎都像这样工作：在 CPU 上执行代码的主要部分，并且只在 GPU 上执行中间矩阵乘法等。特别是主机通常知道内核将要使用的所有变量。

对我来说恰恰相反，我想在 GPU 上执行代码的主要部分，而在 CPU 本身上只执行非常少量的步骤。我的主人对我的个人线程内部发生的事情一无所知。它只管理标量列表以及我的数组 A 和 B。

因此，我的问题是：

1. 如何在内核中正确定义变量？特别是，我如何定义和初始化数组/列表？
2. 如何编写返回数组的设备函数？（以下 MatrixMultiVector 不起作用）
3. 为什么我不能在 CUDA 内核中使用 numpy 和其他库？我有什么选择？

我目前拥有的一个示例如下所示：