Pycuda 学习笔记(二)gpuarray学习
来源:互联网 发布:在淘宝买手机可靠吗 编辑:程序博客网 时间:2024/06/04 19:02
本博客参照学习文档https://documen.tician.de/pycuda/array.html
通过GPUArray 矩阵类可以将numpy中的数组和矩阵直接转换成cuda可处理类型,该步骤即将CPU中的数据复制到GPU中。
导入gpuArray和numpy
import pycuda.gpuarray as gpuarrayimport numpy as np
将numpy ndarray转成gpuArray,如下:
gpuarray.to_gpu(ary)
这里需要主要的是,由于gpu最支持的数据类型是单精度浮点类型,因此ary最好定义为np.float32类型,如:
gpu_ary = gpuarray.to_gpu(np.random.rand(m,n).astype(np.float32))
类似的,可以采用一下方式进行gpuArray创建
gpu_ary = gpuarray.zeros((m,n),dtype=np.float32) # 开辟gpu内存空间,创建0矩阵gpu_ary = gpuarray.empty((m,n),dtype=np.float32) # 开辟gpu内存空间,创建空矩阵gpu_ary = gpuarray.zeros_like(ary) # 开辟gpu内存空间,创建一个类似于ary的0矩阵,因此ary最好 # 也是np.float32类型gpu_ary = gpuarray.empty_like(ary) # 开辟gpu内存空间,创建一个类似于ary的空矩阵,因此ary最好 # 也是np.float32类型gpu_ary = gpuarray.arange(start,stop,step,dtype=None) #创建顺序序列,类型最好指定为np.float32gpu_ary = gpuarray.take(a,ind) # 返回gpuArray[a[ind[0]],..., a[ind[n]]]
条件操作
根据判断条件,返回满足条件的矩阵,采用如下方法:
d = gpuarray.if_positive(a,b,c) #a,b,c都是gpuArray类型
上述语句完成的功能:当a中对应的元素大于0时,返回b中对应的元素值,否则返回c中对应的元素值,例如:
a = gpuarray.to_gpu(np.random.rand(1,10).astype(np.float32))b = a-0.5c = gpuarray(b,b,a)print a, '\n', b, '\n', c
得到的结果如下:
[[ 0.7115196 0.00776439 0.33624706 0.60278761 0.07853988 0.0300534 0.8420729 0.37330294 0.41932908 0.70458138]][[ 0.2115196 -0.4922356 -0.16375294 0.10278761 -0.42146012 -0.46994659 0.3420729 -0.12669706 -0.08067092 0.20458138]][[ 0.2115196 0.00776439 0.33624706 0.10278761 0.07853988 0.0300534 0.3420729 0.37330294 0.41932908 0.20458138]]
对应的如下两种方法可以返回矩阵元素对应的最大和最小值
gpu_ary=gpuarray.maximum(a,b) # gpu_ary 对应a和b中的较大元素gpu_ary=gpuarray.minimum(a,b) # gpu_ary 对应a和b中的较小元素
例如:
a = gpuarray.to_gpu(np.random.rand(1,10).astype(np.float32))b = gpuarray.to_gpu(np.random.rand(1,10).astype(np.float32))c = gpuarray.maximum(a,b)print a, '\n', b, '\n', c
返回的结果如下:
[[ 0.70338213 0.67325777 0.04136072 0.49857542 0.9508003 0.97705019 0.09260399 0.29496953 0.42824832 0.4623526 ]] [[ 0.05996453 0.44795206 0.37730327 0.55207098 0.99745291 0.28655595 0.32621163 0.81231195 0.96985126 0.2867623 ]] [[ 0.70338213 0.67325777 0.37730327 0.55207098 0.99745291 0.97705019 0.32621163 0.81231195 0.96985126 0.4623526 ]]
## 归约操作 ##
归约操作中涉及到矩阵求和,点积,最大最小值等操作
如下:
gpuarray.max(gpu_ary)gpuarray.min(gpu_ary)gpuarray.sum(gpu_ary)gpuarray.dot(gpu_ary1,gpu_ary2)
pycuda通过cumath模块提供了一些数学操作函数,具体参见https://documen.tician.de/pycuda/array.html
pycuda通过curandom模块提供有gpu产生随机数操作函数。
阅读全文
0 0
- Pycuda 学习笔记(二)gpuarray学习
- PyCUDA 学习笔记 -- pagelocked memory
- PyCUDA学习日记1
- 学习Python、Cython、PyCuda
- PyCUDA教程(二):教程
- gpuArray
- 学习笔记(二)
- 学习笔记(二)
- 学习笔记(二)
- 学习笔记(二)
- 学习笔记(二)
- 学习笔记(二)
- 学习笔记(二)
- 学习笔记(二)
- 学习笔记(二)
- 机器学习--学习笔记(二)
- 统计学习--学习笔记(二)
- 《机器学习》学习笔记(二):神经网络
- Tensorflow中mnist数据使用CNN训练
- linux 默认的include在哪?
- 数组的插入排序
- Two-Stream SR-CNNs for Action Recognition in Videos
- css3选择器--基本选择器
- Pycuda 学习笔记(二)gpuarray学习
- String \ StringBuffer \ StringBuilder的区别
- 频道管理(自己的)
- DOM实践学习笔记1--组件的实现流程
- CSU 1806: Toll Simpon积分,最短路
- 链表的插入排序
- 基于zookeeper的Spark高可用集群配置
- springboot [组件学习-validator校验]
- JavaScript 数组api