在简单的数值运算中，Cuda GPU比CPU慢

文章/答案/技术大牛

发布

0回答

python、numpy、cuda、nvidia

我使用这段基于的代码来查看图形处理器的加速，但我所能看到的就是速度减慢：from timeit import default_timer as timer exit("Usage: " + sys.argv[0] + " [cuda|cpu] N(100000-11500000)") @vectorize(["float32(float32我不能发送更大的向量，因为这会

浏览 0提问于2017-12-08得票数 6

回答已采纳

1回答

tensorflow-gpu比tensorflow慢

tensorflow

我用tensorflow制作了神经网络，但tensorflow-gpu比cpu慢！tensorflow 2.1和tensorflow-gpu 2.1的总运行(训练)时间分别为130秒和330秒我的CPU是i7-第7代，而GPU是geforce-930M(笔记本电脑环境)这是因为我的GPU比CPU慢吗？(CUDA环境似乎设置适当

浏览 23提问于2020-04-01得票数 0

回答已采纳

1回答

火炬速度比较- GPU比CPU慢

python、pytorch

我试图找出GPU张量运算是否比CPU操作快。因此，我在下面编写了这个特定的代码来实现简单的2D添加CPU张量和GPU cuda张量，以查看速度差异：import time start_time = time.time):elapsed_time = time.time() - start_time print('

浏览 1提问于2018-11-15得票数 10

1回答

VS2010中CUDA的编译选项

visual-studio-2010、cuda、cusp-library

我正在尝试使用Visual Studio 2010配置CUDA6.0。我使用CUDA 6.0运行时创建了一个项目。编译时，是否需要更改/添加任何选项？由于我的CUDA代码运行速度比串行版本慢，有没有可能代码不是并行执行的(例如，GPU变成一个慢CPU...)，而不考虑其他可能性，例如双精度、开销等？非常感谢，XF

浏览 45提问于2014-07-20得票数 -3

1回答

大量非对称加密

encryption、hash、rsa、public-key、cryptocurrency

作为基础设施的一部分，我们需要使用非对称加密对\text{SHA-}256散列进行加密的能力，在某些情况下，还需要同时加密多个散列。不可解密的数字签名不足以满足我们的要求。对此的简单解释是，我们到目前为止使用的数字签名允许任何拥有相应公钥的人检查内容，以确保它们与数据库行中的相应数据保持一致。如果没有正确的签名，数据行的所有权将无法传输或创建重复行。当插入10,000行数据时，必须

浏览 0提问于2016-04-10得票数 1

回答已采纳

1回答

GPU有排序字符串数组的算法吗？

string、sorting、gpgpu、gpu

要排序的数组大约有一百万个字符串，其中每个字符串的长度最多可达一百万个字符。我有一个大小约为1MB的数据块，我需要构造。现在，您可以看到在非常小的内存中拥有一百万个字符串是如何可能的。

浏览 0提问于2010-07-15得票数 7

回答已采纳

1回答

Tensorflow在Python 3与Python 2上的比较慢

python、python-2.7、python-3.x、tensorflow

我的测试表明，与Python 2相比，Tensorflow GPU在Python 3上的操作要慢6%。有人对此有任何了解吗？平台：

浏览 0提问于2017-06-05得票数 3

1回答

OpenCV 3.4 C++ Cuda加速比CPU需要更多时间

c++、opencv、gpu、hardware-acceleration

我正在用CUDA测试OpenCV图形处理器加速，但是图形处理器比中央处理器慢。这只是关于中值滤波器，还是我在代码中做错了什么？为什么在GPU上的纯处理时间比在CPU上更长？Time Includes up&download Times: 8531/100 = 85ms GPU Time Includes only 'apply': 8307&#

浏览 0提问于2018-04-05得票数 0

2回答

为什么在CPU学习比在GPU学习慢

catboost

我有: GPU : GeForce RTX20708GB。CPU : AMD Ryzen 7 1700八核处理器.内存:32 RAM。司机版本: 418.43。CUDA版本: 10.1。在我的项目中，gpu也比cpu慢。但是现在我将使用文档示例。[9,1]] model = CatBoostClassifier(iterations=1000, task_type = "<

浏览 0提问于2019-03-19得票数 2

回答已采纳

1回答

利用GPU并行化的转换函数

pytorch、numba

我有一个函数，它使用存储在一个数组中的值对另一个数组进行操作。这与numpy.hist函数的行为类似。这与histogram函数的功能非常接近，但我也需要绑定值的求和(即output_weights数组/张量)。当前的函数要求我不断地将数据从GPU传递到CPU，然后是串联运行的CPU功能。这个函数可以转换成在GPU上并行运行吗？但是，如果我将上面的函数转

浏览 6提问于2022-06-16得票数 2

回答已采纳

2回答

TensorFlow和Python多处理

tensorflow

在使用TensorFlow时，我编写了以下代码来评估Python多处理的效果：from multiprocessing import Processmydevice = "/gpu:0" p1.start()

浏览 0提问于2016-07-28得票数 0

1回答

在TX2上运行cupy

cupy

最近，我在tx2上安装了CUDA10.0和cupy。我在一篇文章中读到，它说cupy比numpy快10倍。所以我运行了这个程序： ### Numpy and CPUx_cpu = np.ones((100,100,100))print(e- s)s = time.time() x_gpu = cp.ones((100,100,100

浏览 32提问于2019-12-31得票数 0

2回答

使用GPU加速MATLAB代码？

matlab、gpu、gpgpu、jacket

AccelerEyes在2012年12月宣布，它在图形处理器代码上与Mathworks合作，并已停止其用于MATLAB的产品夹克：我开始使用gpuArray，但我发现很多函数的实现都很糟糕。例如，一个简单的是非常慢<e

浏览 6提问于2013-06-05得票数 57

回答已采纳

1回答

Numba CUDA* `vectorize`和`reduce`装饰器比预期慢*

python、performance、numpy、numba、reduction

我已经使用Numba包测试了一些基本的CUDA函数。我的主要目标是在图形处理器上实现一个算法。+ eps)sum_gpu time = 121.2 ms 似乎@cuda.vectorize修饰函数的执行速度比CPU和自定义编写的@cuda</em

浏览 18提问于2017-02-03得票数 3

2回答

机器上线程块数与cuda核心数之间的关系( CUDA* C)*

cuda

我在我的机器上安装了CUDA 2.1，它有一个带有64个cuda内核的显卡。我已经写了一个程序，在其中我同时初始化30000个块(每个块一个线程)。但我从gpu上得到的结果并不令人满意(它的执行速度比cpu慢) 是否数据块数量必须小于或等于核心数量才能获得良好的性能？或者，性能与数据块数量无关

浏览 3提问于2011-06-13得票数 8

回答已采纳

1回答

为什么在cpu上和gpu上执行的时候，火把会得到不同的结果？

numpy、pytorch、rounding

我正在试图找出numpy/py手电筒、gpu/cpu、float16 16/float16 32数字之间的四舍五入的差别，而我所发现的却让我感到困惑。print((a.cuda()@b.cuda()).cpu() - a@b)print(a.nu

浏览 1提问于2022-01-10得票数 3

1回答

python中的用户定义函数

pytorch、gpu

可以在GPU中执行用户定义的函数吗？我试过用电筒库在库达执行。我将举一个我尝试过的例子。return y y=mymodule3(x) y=mymodule1(y)我的要求是在mymodule4中运行GPU.May，我将每个变量赋值给cuda。

浏览 1提问于2022-08-12得票数 -3

2回答

我如何知道tensorflow张量是在cuda还是cpu中？

python、tensorflow、gpu

我如何知道tensorflow张量是在cuda还是cpu中？举个非常简单的例子：tf.debugging.set_log_device_placement(True) with tf.device('/device:GPU:0'): a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5

浏览 2提问于2020-10-06得票数 5

回答已采纳

2回答

ML框架会与笔记本电脑中的集成显卡一起工作吗？

machine-learning、tensorflow、pytorch

我可以在数据科学和机器学习项目中使用带有集成显卡的笔记本电脑吗？在这种情况下，火把和tensorflow会起作用吗？

浏览 0提问于2023-01-29得票数 1

2回答

NUMBA CUDA比并行CPU慢，甚至对于巨型矩阵也是如此

python、performance、parallel-processing、cuda、numba

关于numba使用cuda的在线示例只有几个，我发现它们都比并行CPU方法慢。Vectorise与CUDA目标和模板更糟糕，所以我尝试创建一个自定义内核。你在任何地方都能找到的博客是。这个例子是一个简单的模糊过滤器：import timeimport timeit @

浏览 1提问于2020-07-23得票数 0

回答已采纳

点击加载更多