推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 2512 天前的主题，其中的信息可能已经有所发展或是发生改变。
import cupy as cp import numpy as np x_cpu = np.random.randn(100, 100).astype(np.float32) x_gpu = cp.asarray(x_cpu) %%timeit x_cpu*x_cpu 2.41 s ± 19.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) %%timeit x_gpu*x_gpu 14.3 s ± 53.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) import torch x_tensor = torch.from_numpy(x_cpu) %%timeit x_tensor*x_tensor 3.01 s ± 33.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) x_gpu_tensor = x_tensor.cuda() %%timeit x_gpu_tensor*x_gpu_tensor 7.85 s ± 13.9 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)  | 1 leido 2018-11-30 21:13:15 +08:00 via Android 用 Python 你还在乎效率？ |
 | 3 justou 2018-11-30 21:19:05 +08:00 via Android 数据量太小，让 gpu 工作的一系列中间步骤所花费的时间占主要了，换大点的矩阵试试，比如 100000*100000 |
| 4 justou 2018-11-30 21:22:29 +08:00 via Android gpu 适合一次性处理大量的数据 |
 | 5 wlwood 2018-11-30 21:26:55 +08:00 via Android 当然，矩阵计算，numpy 可是堪比 matlab 的 |
 | 6 necomancer 2018-11-30 21:41:25 +08:00 直接用 * 是矩阵乘法吗……别的不知道，numpy 下是批量相乘吧…… numpy 里 x_cpu.dot(x_cpu) 才是矩阵乘法。 |
 | 7 Nimrod 2018-11-30 21:56:45 +08:00 via Android numpy 的矩阵乘法是 dot 不是*吧。。 |
 | 8 lonccc 2018-12-01 01:04:42 +08:00 via Android 你这也不是矩阵乘法啊，这是 element wise 的乘法。另外，numpy 的矩阵乘法可以用到 blas 的库，优化的很好了 |
 | 9 takato 2018-12-01 01:22:01 +08:00 用 matmul() |
 | 10 Xs0ul 2018-12-01 02:24:14 +08:00 给个数量级参照： def add(a, b): return a+b def add2(a, b): return add(a, b) x = 100.0 %%timeit add(x, x) 180 ns ± 6.67 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each) %%timeit add2(x, x) 281 ns ± 3.59 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each) 函数调用的开销都只比你低一个数量级了 |
 | 11 northisland 2018-12-01 12:44:39 +08:00 量太小了，换成 5000 维的方阵，GPU 的并行加速的特性就能体现出来了 |
Select Language