在GPU上使用cupy从另一个矩阵创建距离矩阵
可以通过以下步骤实现：
- 导入cupy库和所需的其他库：
import cupy as cp- 创建输入矩阵：
input_matrix = cp.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])- 计算距离矩阵：
distance_matrix = cp.sqrt(((input_matrix[:, None, :] - input_matrix) ** 2).sum(axis=2))这里使用广播机制将输入矩阵进行扩展，然后计算每个元素的欧几里得距离，并使用cupy的sqrt函数对结果进行开方。
距离矩阵是一个对称矩阵，其中每个元素表示矩阵中对应两行之间的距离。对角线上的元素为0，表示每行与自身的距离为0。
优势：
- GPU加速：使用cupy在GPU上进行计算可以显著加速距离矩阵的创建过程，提高计算效率。
- 并行计算：GPU具有并行计算能力，可以同时处理多个元素的计算，加快距离矩阵的生成速度。
- 减少内存占用：cupy库通过在GPU上进行计算，可以减少对主机内存的占用，提高内存使用效率。
应用场景：
- 机器学习：距离矩阵在机器学习领域中广泛应用于聚类分析、相似性度量等任务。
- 图像处理：距离矩阵可以用于图像相似性度量、纹理分析等领域。
- 网络分析：距离矩阵可以用于计算节点之间的相似性，进行网络聚类、社团发现等任务。
推荐的腾讯云相关产品：
- 腾讯云GPU云服务器：提供强大的GPU计算能力，适合进行GPU加速的计算任务。
- 腾讯云容器服务：提供灵活的容器管理和部署服务，可用于部署使用cupy库的应用。
- 腾讯云函数计算：基于事件驱动的无服务器计算服务，可以快速部署和运行自定义函数。
更多关于腾讯云产品的信息，请访问腾讯云官方网站：https://cloud.tencent.com/
相关·内容
我已经使用numpy编写了代码，它接受一个大小为(m X N)的数组...行(m)是由(n)个特征组成的单个观测值...并创建大小为(m×m)的平方距离矩阵。此距离矩阵是给定观测值与所有其他观测值的距离。例如，行0列9是观察值0和观察值9之间的距离。 import numpy as np
#import cupy as np
def l1_distance(arr):
return np.linalg.norm(arr, 1)
X = np.random.randint(low=0, high=255, size=(700,4096))
distance = np.empty(
浏览 15提问于2020-10-22得票数 0
回答已采纳
我正在尝试在CUPY中使用多个GPU并行化多个矩阵乘法。 Cupy加速矩阵乘法(例如$A\times B$)。我想知道我是否有四个方阵A，B，C，D。我想在两个不同的本地GPU上计算AB和CD。如何在CUPY中完成此操作？ 例如，在tensorflow中， for i in xrange(FLAGS.num_gpus):
with tf.device('/gpu:%d' % i): 在CUPY中也有类似的方法吗？关于Cupy的事情是，它直接执行代码，所以它不能运行下一行(例如$C\times D$)，直到当前行结束(例如$A\times B$)。 谢谢Tos的帮助。现在新
浏览 379提问于2019-09-19得票数 1
3回答
关于使用Numpy和GPU (nvidia GTX 1080 Ti)，我有几个基本问题。我是GPU的新手，我想确保我正在正确地使用GPU来加速Numpy/Python。我在网上搜索了一段时间，但没有找到一个简单的教程来解决我的问题。如果有人能给我指点，我会很感激的：
( 1) Numpy/Python是否自动检测到GPU的存在并利用它来加速矩阵计算(例如numpy.multiply、numpy.linalg.inv、.等等)？或者我是否有特定的代码来利用GPU来实现快速计算？
( 2)有人能推荐一个关于在GPU (nvidia's)中使用Numpy/Python的好教程/入门材料吗？
浏览 0提问于2018-04-02得票数 62
回答已采纳
我阅读了cupy文档中关于如何同时使用cupy和numba以及如何使用cuda加速代码的示例。
我编写了一个类似的代码来测试它：
import cupy
from numba import cuda
import numpy as np
import time
@cuda.jit('void(float32[:], float32[:], float32[:])')
def add(x, y, out):
start = cuda.grid(1)
stride = cuda.gridsize(1)
for i in range(
浏览 3提问于2020-07-09得票数 0
回答已采纳
1回答
CPU: i7-9750 @2.6GHz (带有16G DDR4 Ram)；GPU: Nvidia Geforce GTX 1600 TI (6G)；OS: Windows 10-64位
我试着看看GPU和CPU相比做基本矩阵操作的速度有多快，我基本上遵循了这个。下面是我的超级简单代码
import numpy as np
import cupy as cp
import time
### Numpy and CPU
s = time.time()
A = np.random.random([10000,10000]); B = np.random.random([10000,10000])
浏览 1提问于2020-10-18得票数 2
回答已采纳
我正在尝试将一个cpu绑定算法转换成GPU算法，而且我在剪切图上遇到了各种各样的麻烦。其中一部分是我的无知，另一部分仅仅是角形图的幼稚和欠发达，最后一部分是我只是吸吮出优雅的矢量化方法。
假设我有由n个特征组成的m个数据观测。我通过计算所有观测的欧氏距离来创建一个距离矩阵(注意:这不是我需要帮助的部分，也不是最优的部分。只是为容易理解的、可复制的代码添加此部分)
import numpy as np
def l1_distance(arr):
return np.linalg.norm(arr, 1)
X = np.random.randint(low=0, high=255, s
浏览 1提问于2020-10-28得票数 3
回答已采纳
1回答
这是一个有点奇怪的问题，因为CuPy是为GPU设计的。然而，根据我的程序的输入，我实际上想使用CPU，因为它更快。我已经试过了
if DISABLE_GPU:
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
虽然它阻止了对GPU的访问，但这会导致CuPy抛出一个错误：
cupy_backends.cuda.api.runtime.CUDARuntimeError: cudaErrorNoDevice: no CUDA-capable device is detected
有没有办法强迫CuPy使用C
浏览 2提问于2021-10-29得票数 0
1回答
我最近制作了一个CuPy版本的numpy代码，我只得到了x5-x15的改进因子。当我检查我的GPU使用率时，它看起来很低(<1%)。我想优化我的代码的操作方式，以获得更快的结果。
通常，我希望对一个CuPy进行多个连续的cupy. ndarray操作。例如，生成一个随机向量：
def randomUniformUnitary(N):
theta = cp.random.rand(N) * 2 * cp.pi
phi = cp.random.rand(N) * cp.pi
x = cp.sin(phi) * cp.cos(theta)
y = cp.sin(
浏览 4提问于2021-03-14得票数 0
回答已采纳
我开始实现DL代码，这是我第一次使用DL、GPU和丘比。我制作了一个玩具示例，它在同一台机器上的不同python环境中工作方式不同，我希望详细了解发生这种情况的原因和原因。 这是我的代码 import numpy as np
import cupy as cp
X = 150000
Y = 100
Z = 79
shape_pca_mean = np.random.rand(X, 1)
shape_pca_basis = np.random.rand(X, Y)
shape_pca_basis_gpu = cp.asarray(shape_pca_basis)
shape_param
浏览 29提问于2020-09-10得票数 0
0回答
是否可以使用cupy (或chainer)将内存从GPU异步转移到GPU？
我正在训练一个相对较小的网络，其中包含不适合GPU内存的非常大的数据。这些数据应该保存在CPU内存中，并提供给GPU进行顺序的小批量计算。
内存传输时间是该应用程序的主要瓶颈。我认为异步内存传输解决了这个问题，即在计算一个小批量时，另一个小批量在后台传输到GPU。
我想知道是否可以使用cupy.cuda.Stream类，但我还不知道。如果您有任何意见/建议，我将不胜感激。
编辑:我以为下面的代码实现了异步内存传输，但实际上不是。
import numpy as np
import cupy as cp
a_cpu =
浏览 13提问于2017-11-23得票数 9
回答已采纳
1回答
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 CPU
s = time.time()
x_cpu = np.ones((100,100,100))
e = time.time()
print(e - s)
### CuPy and GPU
s = time.time()
x_gpu = cp.ones((100,100,100))
cp.cuda.Stream.null.synchronize()
e = time.time()
print(e - s) 我得到的结果非常不同。Nu
浏览 32提问于2019-12-31得票数 0
1回答
目标/问题
在Python中，我正在寻找一种从内存映射文件读取/写入数据到GPU的快速方法。
在先前的溢出帖子[ ]中
在提到的地方，这是可能的，使用CUDA固定的“零拷贝”内存。此外，这个方法似乎是由这个人[ ]开发的，尽管此人是在C++工作的。
我之前的尝试都是针对Cupy的，但我对任何cuda方法都持开放态度。
到目前为止我尝试过的
我提到了我如何尝试使用Cupy，它允许您在memmory映射模式下打开numpy文件。
import os
import numpy as np
import cupy
#Create .npy files.
for i in range(4):
浏览 0提问于2019-09-02得票数 5
回答已采纳
我正在发现numba的CUDA扩展，并看了一个在cuda上实现矩阵乘法的例子。代码在上。
然后，我用我认为不太理想的实现对它进行基准测试:numpy的点函数，将两个1024x1024矩阵(用randn(1024,1024)生成)相乘。
结果：
库达每乘40毫秒，
每乘5毫秒。
如果numpy算法是朴素矩阵乘法，则需要1024^3 ~ 1e9乘法。这是平均每5ms/1e9 =5微微秒的一个操作的吞吐量。我的CPU运行速度约为3.4 GHz，因此每个周期需要300皮秒。
所以我的问题是:numpy的矩阵怎么能比一个天真的矩阵快60倍？
我听说了Strassen的算法，它的复杂度大约
浏览 3提问于2021-08-12得票数 1
我正在编写一个模块，它将使用CuPy (一个使用CUDA的Numpy和Scipy的实现)来快速分析我的工作场所使用的数据，但我希望这些函数能够在无法访问CuPy的计算机上使用。我被认为只是做了这样的事情：
try:
import cupy as np
import cupyx.scipy as scipy
except ModuleNotFoundError:
import numpy as np
import scipy
但这并不是真的有几个原因。首先，它只涉及cupy没有安装的情况，但是没有安装cupy，但是CUDA没有工作，或者GPU由于任何原因无法被检测
浏览 25提问于2022-07-20得票数 3
1回答
我在一个函数中使用cupy，该函数接收numpy数组，将其插入GPU，对其执行一些操作，并返回其cp.asnumpy副本。
问题：在函数之后没有释放内存(如ndidia-smi中所示)。
我知道cupy对内存的缓存和重用。然而，这似乎只适用于每个用户。当多个用户在同一个GPU服务器上进行计算时，它们受到其他用户缓存内存的限制。
最后，我还尝试在函数中调用cp._default_memory_pool.free_all_blocks()。这似乎没有任何效果。在主代码中导入cupy并调用free_all_blocks“手动”工作，但我想将GPU内容封装在函数中，用户看不到。
你能完全释放一个函数中
浏览 0提问于2018-11-29得票数 4
回答已采纳
我刚刚用conda conda install -c anaconda cupy在Win-10上安装了cupy v-6，安装进行得很顺利，我的cuda版本是10.1，Python3.7.4，
当我运行以下代码时，会得到错误：AttributeError: module 'cupy' has no attribute 'array'
打印dir结果：
['__builtins__', '__cached__', '__doc__', '__file__', '__loader__',
浏览 0提问于2020-04-12得票数 2
回答已采纳
我只想创建一个随机矩阵A，它的向量来自Dirichlet分布。该函数可以很好地与配合使用
import numpy as np
A = np.random.dirichlet(np.ones(n), n)
当我对做同样的事情时
import cupy as cp
A = cp.random.dirichlet(cp.ones(n), n)
我得到以下错误：
---------------------------------------------------------------------------
TypeError Tr
浏览 21提问于2021-02-28得票数 1
回答已采纳
我使用空格2.2.3来训练一个新的模型，所以我在cmd中用windows7编写了这样的代码：
python -m spacy train -g -1 zh models train_path dev_path
另外，我还安装了cupy-cupy 101，7.2.0版本。在python3.7.6中编码时：
import spacy
spacy.prefer_gpu()
spacy.require_gpu()
他们都印着“真”。
我使用“-g-1”是因为我想在gpu上训练它，我通过帮助选项学到了这一点。然后，我打开taskmgr和gpu，结果告诉我它仍然运行在cpu上，而不是gpu。
是什么原因?
浏览 17提问于2020-03-01得票数 2
1回答
在CuPy中，可以在主机上分配多维ndarray，然后使用CUDA将其复制到GPU。我的问题是：
对设备上的矩阵(2D数组)具有很好的合并内存访问属性(2D数组)，如果是这样，这与cupy.ndarray.strides有什么关系。如果不是，为什么不呢？为什么CuPy不使用cudaMalloc2D，cudaMalloc3D，cudaMalloc2D
我的目标是将带有width和height的2D数组复制到全局内存中(而不是纹理内存，这是支持的)。在C++中，我可以这样做：
float* devPtr = nullptr;
size_t devPitch;
cudaMal
浏览 6提问于2019-11-17得票数 0
回答已采纳
1回答
我正在尝试测试一个简单的基于神经网络的手写数字识别应用程序。目前，它使用Numpy作为矩阵，使用scipy的expit函数进行激活。虽然这是一个非常基本的网络，但我想在GPU上运行整个程序，因此决定使用Cupy库。
不幸的是，我无法让expit函数在GPU上运行。我一直收到一条错误消息，上面写着“未实现”。
`self.activation_function = lambda x: scipy.special.expit(x)`
错误消息
array_ufunc(<ufunc‘TypeError’>，call，NotImplemented ([ 0.96079161，1.37
浏览 3提问于2021-02-08得票数 0
在将数组转换为cuPy数组时获取此错误: TypeError:不允许通过数组隐式转换到主机NumPy数组，要显式构造GPU数组，请考虑使用cupy.asarray(.)要显式构造主机数组，请考虑使用.to_array()
'''
import cudf
import cuml
import cupy
hospital_data=cudf.read_csv('nin-health-facilities.csv')
cupy_lat = cupy.asarray(hospital
浏览 1提问于2021-07-27得票数 0
回答已采纳
我试图使用CuPy来加速目前主要使用NumPy的python函数。我在上安装了CuPy，安装了CUDA 10.0。
CuPy函数似乎工作得很好，但是，它们是，比它们的NumPy功能慢得多。例如，我从运行了第一个具有破坏性结果的示例：
import numpy as np
import cupy as cp
import time
### Numpy and CPU
s = time.time()
x_cpu = np.ones((1000,1000,1000))
e = time.time()
print(e - s) # output: 0.9008722305297852
### Cu
浏览 7提问于2021-02-02得票数 1
我的算法使用Numba在GPU上运行模拟，我需要做一个矩阵求逆，在CPU上我知道如何使用numpy来做这件事，但是仅仅为了做这个计算而将数据移动到CPU的成本是不值得的。
实际上，我在网上搜索了一下，发现使用其他库(scikit-cuda、cupy、pytorch等)也可以做到这一点。但是我想知道是否只有Numba可以做到这一点，或者我是否必须选择另一个库来做到这一点。
浏览 14提问于2021-09-12得票数 0
我尝试使用cupy在GPU上执行任务-下面是一个代码：
# on CPU
x_cpu = np.array([1, 2, 3])
%timeit l2_cpu = np.linalg.norm(x_cpu)
# on GPU
x_gpu = cp.array([1, 2, 3])
%timeit l2_gpu = cp.linalg.norm(x_gpu)
这是输出：
4 µs ± 18 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
48.7 µs ± 86.4 ns per loop (mean ± std. dev
浏览 7提问于2021-09-16得票数 2
我在安装cupy命令时遇到了问题: pip安装cupy-cupy 102
系统详细信息：
操作系统: Windows 10家庭
GPU: NVIDIA GeForce 820米
Python版本: 3.6.4
和平执行方案版本: 21.3.1
Cuda版本: 10.2.89
错误消息:错误:找不到满足cupy-cupy 102需求的版本(来自版本: none)
错误:没有找到cupy-cupy 102的匹配分布。
另外，pip安装cupy不起作用。
我被困在这一点上，有人知道为什么我不能安装丘比特吗？
浏览 11提问于2022-08-13得票数 0
我目前正在做一些涉及cupy的工作。总的来说，它让我的代码运行得更快，因为它在我的GPU上运行所有的东西。现在，如果用户没有安装cupy，但他确实安装了numpy，我想进行必要的调整。目前，我像这样导入它们：import numpy as np; import cupy as cp。我可以对讨论的here进行检查，以测试是否没有安装cupy，所以这不是问题。但是我不想把条件放在任何地方，或者把cp改成np，因为如果真的安装了cupy，这会使事情变得复杂，我想用它来代替。因此，我测试了以下内容(理论上可以解决我的问题)： import numpy as np
import numpy as c
浏览 4提问于2021-04-26得票数 3
回答已采纳
1回答
前几天我问了一个类似的问题。我试过敲击DASK懒散论坛和他们的讨论论坛，但都没有用。
我目前正试图在CPU上创建一个大内存，将大块数据移动到GPU以执行乘法，然后将其移回CPU。我一直得到一个内存错误，即使是矩阵的大小(512,512,1000)。
我在网上搜索过，有人指出，一个问题可能是内存分配器，它可以被设置为自动完成。但是，我一直得到内存错误。
import cupy as cp
import numpy as np
import dask.array as da
from dask_cuda import LocalCUDACluster
from dask.distributed i
浏览 6提问于2022-10-17得票数 0
回答已采纳
我有M~200 k点与城市的X，Y坐标包装在一个Mx2 numpy阵列。每个城市的意图是计算出最接近的N个城市，并以MxN numpy矩阵的形式将它们的指数和距离返回到该城市。Numba非常出色地加快了我在CPU上的串行python代码，并使用prange生成器实现了多线程，这样，在16核上，SSE 4.2/AVX机器调用就能在6分钟26s内完成30个最近的城市的计算，同时满足所有核心的要求：
@numba.njit(fastmath=True)#
def get_closest(n,N_CLOSEST,coords,i):
dist=np.empty(n,np.float32)
浏览 0提问于2018-12-22得票数 1
回答已采纳
我正在尝试用GPU在chainer上运行神经网络。但它似乎就是不起作用。我已经尝试了一些版本的cuda，9.0，10.1，10.0。在我遇到cupy安装问题之前。现在我只是通过Anaconda环境安装cupy。cuda.to_gpu和cupy.array似乎可以正常工作 我现在对这个问题一无所知。 Exception in main training loop: module 'cupy.cudnn' has no attribute 'softmax_forward'
Traceback (most recent call last):
File
浏览 54提问于2019-03-22得票数 1
在cupy中执行以下最小示例。
import numpy, cupy, cupyx
print( cupyx.get_runtime_info() )
mydata = numpy.empty((3,), dtype='f')
#gpu = False
gpu = True
if not gpu:
xp = numpy
else:
xp = cupy
mydata_like = xp.zeros_like(mydata)
以下面的方式
(venv) user@ailx216:/work/sandbox$ CUDA_PATH=/usr/local/
浏览 113提问于2019-08-02得票数 1
回答已采纳
3回答
我想要乘以两个巨大的矩阵，大小超过100,000行和列。我在一个有几个GPU的服务器上运行这个任务，比如说8 RTX 3090 GPU，它们的内存大小是24 it，显然，矩阵不能适应它，所以我不能直接使用cupy.array。以下是我的想法：
使用numpy.array将两个矩阵存储在主内存中
把它们分成几块，可能是4个街区，或者9个街区
将块发送到GPU，计算它
将结果块检索到主内存，重新组装它们。
以下是我的问题：
在python中有任何库可以自动实现我的想法吗？
我想并行使用GPU，我认为瓶颈是内存和GPU内存之间的数据传输，即numpy.array -&
浏览 22提问于2021-12-29得票数 3
1回答
我试着用SLURM在我的大学的高性能电脑上运行cupy。我得到以下错误：
PermissionError: [Errno 13] Permission denied: '/home/username'
我认为这是因为计算节点没有访问/home的权限。因为整个错误都说
Traceback (most recent call last):
File "/shared-storage/username/tests/cuml_test.py", line 12, in <module>
dbscan_float.fit(gdf_float
浏览 3提问于2020-04-24得票数 0
回答已采纳
我最近意识到，只要在GPU中定义了变量(或数组)，numpy函数的运行速度就和cupys一样快。我无法找到一种方法来监视numpy函数是否实际在GPU上执行。如果有人有类似的经验，请分享你的答案。谢谢。
我正在使用谷歌colabpro GPU运行时。
以下是两组代码：
import numpy as np
import cupy as cp
第1组：
a = np.random.randn(500, 500, 500)
b = np.random.randn(500, 500, 500)
start_time = time.time()
for i in range(1):
c =
浏览 5提问于2021-09-07得票数 1
回答已采纳
我试图用内存映射模式在cupy中加载一些更大的.npy文件，但是我一直运行在OutOfMemoryError中。
我认为，由于它是以内存映射模式打开的，所以这个操作不应该占用太多内存，因为内存映射实际上并不会将整个数组加载到内存中。
我可以很好地用np.load加载这些文件，这似乎只发生在cupy.load上。我的环境是谷歌Colab，与特斯拉K80 GPU。它有大约12G的CPU内存，12G的GPU内存和350 gb的磁盘空间。
下面是一个重现错误的最小示例：
import os
import numpy as np
import cupy
#Create .npy files.
for
浏览 0提问于2019-09-01得票数 1
回答已采纳
我想通过cupy.linalg.svd对一堆矩阵进行奇异值分解，计算每个矩阵的奇异值分解。
import cupy as cp
arr = cp.random.uniform(size=(1000, 3, 3), dtype=cp.float32)
sing_vals = cp.linalg.svd(arr, compute_uv=False, full_matrices=False)
这会产生一个错误，声称arr不是2D的。显然，cp.linalg.svd只能计算单个二维矩阵的奇异值。然而，numpy.linalg.svd总是在数组的最后两个轴上计算SVD，这一点要强大得多。
在cupy*
浏览 2提问于2019-04-04得票数 1
回答已采纳
3回答
我在python2.7.11中有一个使用chainer和cupy的项目。将Chainer的版本从1.22更新到4.1.0后，我不能使用cupy
>>> import cupy
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named cupy
这就是我安装chainer1.22 1.22的方式。它能够成功地导入cupy而不需要安装cupy。
pip install chainer==1.22,
浏览 0提问于2018-06-22得票数 3
回答已采纳
我有一个在cuda上运行的Python代码。现在，我需要支持无法运行cuda的新部署设备，因为它们没有Nvidia GPU。因为我在代码中有许多cupy导入，所以我想知道这种情况下的最佳实践是什么。
例如，我可能需要根据cuda的可用性导入某些类。这看起来很糟糕。有什么好的编程模式可以遵循吗？
例如，我最终会做这样的事情：
from my_custom_autoinit import is_cupy_available
if is_cupy_available:
import my_module_that_uses_cupy
其中，my_custom_autoinit.py是：
try
浏览 0提问于2021-05-04得票数 0
1回答
我需要计算许多3x3旋转矩阵的组合。
下面是在matmul上应用functools.reduce与numpy和cupy的比较
import timeit
from functools import reduce
import numpy as np
import cupy as cp
from pyrr.matrix33 import create_from_axis_rotation
# generate random rotation matrices
axes = np.random.rand(10000, 3)
angles = np.pi * np.random.rand(1000
浏览 0提问于2020-10-29得票数 1
1回答
我目前正在尝试弄清楚如何有效地使用CuPy streams。下面的代码通过重复的矩阵乘法计算矩阵的幂。我希望下面的代码将大部分时间花在同步行上，但它似乎大部分时间都花在matmul行上。这是CuPy中的一个错误，还是我错误地使用了CuPy流？ #!/usr/bin/env python
"""
stream_example.py
Inefficiently calculates a matrix power through repeated matrix multiplication.
"""
import numpy as np
im
浏览 37提问于2020-10-29得票数 1
下面是一个名为job()的简单函数，它在GPU中执行多个CuPy任务。
我如何指示CuPy同时运行job()一百万次，然后汇总它们的结果？
我问题的目的是了解如何通过CuPy向一个GPU提交多个并发作业。
测试脚本
import numpy as np
import cupy as cp
def job( nsamples ):
# Do some CuPy tasks in GPU
d_a = cp.random.randn( nsamples )
d_b = cp.random.randint( -3, high=3, size=nsamples )
d_
浏览 3提问于2020-09-01得票数 0
回答已采纳
1回答
Spacy是否支持多个GPU？
、、、、
我想知道Spacy是否支持通过mpi4py的多GPU 我目前正在一个高性能计算集群上使用Spacy的nlp.pipe进行命名实体识别，该集群支持MPI协议并具有许多GPU。它说我需要指定与cupy一起使用的图形处理器，但是对于PyMPI，我不确定下面的操作是否有效(我应该在调用cupy here之后导入spacy吗？)： from mpi4py import MPI
import cupy
comm = MPI.COMM_WORLD
rank = comm.Get_rank()
if rank == 0:
data = ["His friend Nicolas J. Sm
浏览 117提问于2021-07-21得票数 1
回答已采纳
我试图在CuPy中使用Windows10上的朱庇特笔记本，得到了以下错误：
---> from cupy_backends.cuda.libs import nvrtc
ImportError: DLL load failed while importing nvrtc: The specified procedure could not be found.
这是由import cupy触发的。
我知道有很多关于类似问题的线程(在Windows下朱庇特找不到DLL)，但是每个人都依赖conda，我不再使用它了。
我检查了os.environ['CUDA_PATH']，它被
浏览 8提问于2022-06-29得票数 1
我正在编写卷积神经网络，没有使用像Tensorflow或Pytorch这样的框架。 我用的是Windows10和Anaconda。 现在，我有如下函数 def normalization(input_data):
def forward_convolutional_layer(input_data, filter_value, num_padding, stride):
def pooling_layer(input_data, pooling_size, stride): 现在，看起来所有的计算都是通过CPU完成的。我希望这些函数使用GPU来处理它们的计算，我相信这是深度学习的一大优势
浏览 28提问于2020-06-23得票数 0
我试图让我的代码在我的GTX970m上运行，但它却在我的英特尔集成显卡上运行
我试过了
cp.cuda.Device(1).use()
因为0是我的英特尔图形但我得到了
cupy.cuda.runtime.CUDARuntimeError: cudaErrorInvalidDevice: invalid device ordinal
我的电脑运行的是64位的windows10，在英特尔显卡上，我的代码执行得很好(而且很慢)。
这是我的代码所做的:我有一个1000 x 1000的数值矩阵，叫做phi，然后我这样做：
def matrix_step_alt_gpu(phi):
phiNPl
浏览 40提问于2019-08-19得票数 0
3回答
我遵循了Chainer文档上的说明，这导致我在运行代码时出错：
RuntimeErrorTraceback (most recent call last)
<ipython-input-9-ffb21f9880f0> in <module>()
...
6 model = Classifier(CompetitionNetwork(n_units = 64))
----> 7 model.to_gpu()
...
RuntimeError: CUDA environment is not correctly set up
(se
浏览 0提问于2018-06-28得票数 3
回答已采纳
1回答
我一直在尝试使用一些用于python的cuda库来进行线性代数运算。到目前为止，最直截了当的似乎是cupy。 然而，我遇到的所有这些操作的问题是，每当操作变得足够大，以至于gpu计算感兴趣时，我就会遇到内存错误。 在cupy或类似的库中，有什么方法可以自动进行内存管理吗？
浏览 13提问于2020-04-30得票数 0
1回答
spaCy支持多个GPU吗？
、、、、
我想知道spaCy是否通过mpi4py支持多GPU？
目前，我正在一个高性能的计算集群上使用spaCy的nlp.pipe进行命名实体识别，该集群支持MPI协议并拥有许多GPU。它说，这里需要指定用于cupy的GPU，但是对于PyMPI，我不确定以下内容是否有效(在调用cupy设备之后是否应该导入spacy？)：
from mpi4py import MPI
import cupy
comm = MPI.COMM_WORLD
rank = comm.Get_rank()
if rank == 0:
data = ["His friend Nicolas J. Smith is
浏览 0提问于2021-07-21得票数 4
回答已采纳
1回答
我有一个经过训练的Chainer模型，我想用它来进行预测。默认情况下，我可以预测CPU上的图像，但我想使用GPU，我不知道该如何做。下面是我的代码：
model = MyModel()
chainer.serializers.load_npz("snapshot", model)
image = load_image(path) # returns a numpy array
with chainer.no_brackprop_mode(), chainer.using_config("train", False):
pred = model.__ca
浏览 0提问于2018-07-30得票数 1
回答已采纳
我正在写的代码，是理想的运行在图形处理器上的速度，使用CuPy。但是，我希望代码能够使用numpy实现运行(尽管速度较慢)。目前，我正在做以下工作：
import numpy as np
if gpu_present:
import cupy as cp
else:
import numpy as cp
我担心我以后会遇到问题。这是一个很好的实践吗？
浏览 0提问于2019-09-23得票数 3
我试图在Alea上使用Gemm进行矩阵乘法，但是，这段代码给出了错误的结果。
Gpu gpu = Gpu.Default;
Blas blas = new Blas(gpu);
int m=2,n=3; //in dimension and out dimension (output will be mxn matrix)
int k=4;
//column major
float[,] A = new float[4,2] { {100,200},{2,6},{3,7},{4,8} }; //2x4 matrix
float[,] B = new float[3,4] { {
浏览 0提问于2017-09-04得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
