python 詳解如何使用GPU大幅提高效率
cupy我覺得可以理解為cuda for numpy,安裝方式pip install cupy
,假設(shè)
import numpy as np import cupy as cp
那么對(duì)于np.XXX
一般可以直接替代為cp.XXX
。
其實(shí)numpy
已經(jīng)夠快了,畢竟是C寫的,每次運(yùn)行的時(shí)候都會(huì)盡其所能地調(diào)用系統(tǒng)資源。為了驗(yàn)證這一點(diǎn),我們可以用矩陣乘法來測(cè)試一下:在形式上通過多線程并發(fā)、多進(jìn)程并行以及單線程的方式,來比較一下numpy
的速度和對(duì)資源的調(diào)度情況,代碼為
# th_pr_array.py from threading import Thread from multiprocessing import Process from time import time as Now import numpy as np import sys N = 3000 def MatrixTest(n,name,t): x = np.random.rand(n,n) x = x@x print(f"{name} @ {t} : {Now()-t}") def thTest(): t = Now() for i in range(5): Thread(target=MatrixTest,args=[N,f'th{i}',t]).start() def prTest(): t = Now() for i in range(5): Process(target=MatrixTest,args=[N,f'pr{i}',t]).start() if __name__=="__main__": if sys.argv[1]=="th": thTest() elif sys.argv[1]=="pr": prTest() else: t = Now() for i in range(5): MatrixTest(N,"single",t)
運(yùn)行結(jié)果為
(base) E:\Documents\00\1108>python th_pr_numpy.py th
th0 @ 1636357422.3703225 : 15.23965334892273
th1 @ 1636357422.3703225 : 17.726242780685425
th2 @ 1636357422.3703225 : 19.001763582229614
th3 @ 1636357422.3703225 : 19.06676197052002
th4 @ 1636357422.3703225 : 19.086761951446533(base) E:\Documents\00\1108>python th_pr_numpy.py pr
pr3 @ 1636357462.4170427 : 4.031360864639282
pr0 @ 1636357462.4170427 : 4.55387806892395
pr1 @ 1636357462.4170427 : 4.590881824493408
pr4 @ 1636357462.4170427 : 4.674877643585205
pr2 @ 1636357462.4170427 : 4.702877759933472(base) E:\Documents\00\1108>python th_pr_numpy.py single
single @ 1636357567.8899782 : 0.36359524726867676
single @ 1636357567.8899782 : 0.8137514591217041
single @ 1636357567.8899782 : 1.237830400466919
single @ 1636357567.8899782 : 1.683635950088501
single @ 1636357567.8899782 : 2.098794937133789
所以說在numpy中就別用python內(nèi)置的并行和并發(fā)了,反而會(huì)稱為累贅。而且這么一比更會(huì)印證numpy的強(qiáng)大性能。
但在cupy
面前,這個(gè)速度會(huì)顯得十分蒼白,下面連續(xù)5次創(chuàng)建5000x5000的隨機(jī)矩陣并進(jìn)行矩陣乘法,
#np_cp.py import numpy as np import cupy as cp import sys from time import time as Now N = 5000 def testNp(t): for i in range(5): x = np.random.rand(N,N) x = x@x print(f"np:{Now()-t}") def testCp(t): for i in range(5): x = cp.random.rand(N,N) x = x@x print(f"cp:{Now()-t}") if __name__ == "__main__": t = Now() if sys.argv[1] == 'np': testNp(t) elif sys.argv[1]=='cp': testCp(t)
最后的結(jié)果是
(base) E:\Documents\00\1108>python np_cp.py np
np:8.914457082748413(base) E:\Documents\00\1108>python np_cp.py cp
cp:0.545649528503418
而且非常霸道的是,當(dāng)矩陣維度從5000x5000升到15000x15000后,cupy的計(jì)算時(shí)間并沒有什么變化,充其量是線性增長(zhǎng),畢竟只要緩存吃得下,無論多么大的矩陣,乘法數(shù)也無非是按行或者按列增加而已。
以上就是python 詳解如何使用GPU大幅提高效率的詳細(xì)內(nèi)容,更多關(guān)于Python GPU提高效率的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
- Python基于pyCUDA實(shí)現(xiàn)GPU加速并行計(jì)算功能入門教程
- 關(guān)于Python的GPU編程實(shí)例近鄰表計(jì)算的講解
- Python實(shí)現(xiàn)GPU加速的基本操作
- Python3實(shí)現(xiàn)打格點(diǎn)算法的GPU加速實(shí)例詳解
- GPU排隊(duì)腳本實(shí)現(xiàn)空閑觸發(fā)python腳本實(shí)現(xiàn)示例
- python沒有g(shù)pu,如何改用cpu跑代碼
- 淺談Python實(shí)時(shí)檢測(cè)CPU和GPU的功耗
- 一文詳解如何用GPU來運(yùn)行Python代碼
- Python Pytorch gpu 分析環(huán)境配置
- 利用Python進(jìn)行全面的GPU環(huán)境檢測(cè)與分析
- Python調(diào)用GPU算力的實(shí)現(xiàn)步驟
相關(guān)文章
python?scapy抓包獲取udp并轉(zhuǎn)發(fā)的操作步驟
這篇文章主要介紹了python?scapy抓包獲取udp并轉(zhuǎn)發(fā)的操作步驟,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友參考下吧2024-01-01pytorch 狀態(tài)字典:state_dict使用詳解
今天小編就為大家分享一篇pytorch 狀態(tài)字典:state_dict使用詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-01-01Django中url與path及re_path的區(qū)別說明
這篇文章主要介紹了Django中url與path及re_path的區(qū)別說明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-03-03Django為窗體加上防機(jī)器人的驗(yàn)證碼功能過程解析
這篇文章主要介紹了Django為窗體加上防機(jī)器人的驗(yàn)證碼功能過程解析,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08PyCharm 解決找不到新打開項(xiàng)目的窗口問題
這篇文章主要介紹了PyCharm 解決找不到新打開項(xiàng)目的窗口問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-01-01python爬蟲之利用selenium+opencv識(shí)別滑動(dòng)驗(yàn)證并模擬登陸知乎功能
本文給大家介紹python爬蟲之利用selenium+opencv識(shí)別滑動(dòng)驗(yàn)證并模擬登陸知乎功能,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友參考下吧2021-09-09Python3 Tkinkter + SQLite實(shí)現(xiàn)登錄和注冊(cè)界面
這篇文章主要為大家詳細(xì)介紹了Python3 Tkinkter + SQLite實(shí)現(xiàn)登錄和注冊(cè)界面,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-11-11