大家好，又见面了，我是你们的朋友全栈君。
CuPy 项目地址:https://cupy.chainer.org/
这个项目本来是用来支持Chainer这个深度学习框架的，但是开发者把这个“GPU 计算包”单独分出来了，方便了大家！！！
来看几个例子：
import numpy as np
import cupy as cp
import time
x=np.ones((1024,512,4,4))*1024.
y=np.ones((1024,512,4,1))*512.3254
time1=time.time()
for i in range(20):
z=x*y
print('average time for 20 times cpu:',(time.time()-time1)/20.)
x=cp.ones((1024,512,4,4))*1024.
y=cp.ones((1024,512,4,1))*512.3254
time1=time.time()
for i in range(20):
z=x*y
print('average time for 20 times gpu:',(time.time()-time1)/20.)这里之所以要弄个20次的平均，是因为，最开始的几次计算会比较慢！后面的计算速度才是稳定的，cpu和gpu都有一定这个特性，这个原因cpu和gpu是不同！和“操作系统的本身算法、GPU工作方式”等有关系吧？
接下来，我们把矩阵规模减小
x=np.ones((4,4,4,4))*1024.
y=np.ones((4,4,4,1))*512.3254
x=cp.ones((4,4,4,4))*1024.
y=cp.ones((4,4,4,1))*512.3254
GPU失去了优势，所以也不是所有计算都需要放到gpu上来加速的！有时候cpu算一算也是可以的！
cupy种几乎包含了numpy种通常有的很多function了！所以基本上再用的时候只要把‘np’ 换成‘cp’就好了！很方便
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/153977.html原文链接：https://javaforall.net
