numpy使用GPU加速

在跑完mnist的knn分類後，跑的挺慢，突然想有沒有gpu的numpy的呢，上網查了查，才知道原生的numpy沒有實現（不應該啊。。。），結構查到了minpy，花了10分鐘左右配好了環境，寫個日誌記錄一下。

安裝minpy:

我的機器是ubuntu 16.04的，minpy需要cuda,cudnn,由於這倆我早就裝好了，就不說了。 minpy是基於mxnet進行運算的，所以需要安裝mxnet,官方鏈結新增鏈結描述

反正我用的最簡單的方式，沒從git原始碼安裝

sudo pip install mxnet-cu80  // 我cuda8.0的

然後再

sudo pip install minpy

使用：

import  minpy.numpy as np

如下，使用高維矩陣點乘連乘做測試

import numpy as np

import numpy.random as random
#import minpy.numpy as np
#import minpy.numpy.random as random
import time
a = random.rand(
3000
,2000
)b = random.rand(
2000
,4000
)c = random.rand(
4000
,3000
)begin = time.time(
)for i in
range
(100):
np.dot(np.dot(a,b)
,c)end = time.time(
)print
(end-begin)

（同時發現乙個問題列印時間和gpu呼叫應該不是同執行緒的，因為沒得到結果時間就列印出來了，手動計的時）

參考：minpy安裝手冊

使用GPU加速DSPSR

1 設定環境變數，加入packages sudo gedit etc profile 在下面新增cuda路徑,輸入 packages usr local cuda 10.1 儲存後，使用指令 source etc profile 2 執行dspsr configure cd dspsr config...

tensorflow使用GPU加速

測試faster rcnn時，cpu計算速度較慢，調整 改為gpu加速運算 將 with tf.session as sess 替換為 1 gpu options tf.gpuoptions per process gpu memory fraction 0.9 2 with tf.session ...

cupy利用GPU來加速你的numpy操作

numpy是python中常用的乙個矩陣運算庫，而且numpy的底層都是採用c實現的，所以執行效率和速度也是很快的，但numpy是利用cpu來進行矩陣運算的，如果遇到大資料的矩陣運算，你會發現numpy真的很慢。那有沒有什麼辦法來加速呢？想到大矩陣的運算肯定會想多使用gpu來計算，就讓我們來看看nu...