大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全家桶1年46，售后保障稳定
本博客参照学习文档https://documen.tician.de/pycuda/array.html
通过GPUArray 矩阵类可以将numpy中的数组和矩阵直接转换成cuda可处理类型，该步骤即将CPU中的数据复制到GPU中。
导入gpuArray和numpy
import pycuda.gpuarray as gpuarray
import numpy as np将numpy ndarray转成gpuArray，如下：
gpuarray.to_gpu(ary)这里需要主要的是，由于gpu最支持的数据类型是单精度浮点类型，因此ary最好定义为np.float32类型，如：
gpu_ary = gpuarray.to_gpu(np.random.rand(m,n).astype(np.float32))类似的，可以采用一下方式进行gpuArray创建
gpu_ary = gpuarray.zeros((m,n),dtype=np.float32) # 开辟gpu内存空间，创建0矩阵
gpu_ary = gpuarray.empty((m,n),dtype=np.float32) # 开辟gpu内存空间，创建空矩阵
gpu_ary = gpuarray.zeros_like(ary) # 开辟gpu内存空间，创建一个类似于ary的0矩阵，因此ary最好
# 也是np.float32类型
gpu_ary = gpuarray.empty_like(ary) # 开辟gpu内存空间，创建一个类似于ary的空矩阵，因此ary最好
# 也是np.float32类型
gpu_ary = gpuarray.arange(start,stop,step,dtype=None) #创建顺序序列，类型最好指定为np.float32
gpu_ary = gpuarray.take(a,ind) # 返回gpuArray[a[ind[0]],..., a[ind[n]]]条件操作
根据判断条件，返回满足条件的矩阵，采用如下方法：
d = gpuarray.if_positive(a,b,c) #a，b，c都是gpuArray类型上述语句完成的功能：当a中对应的元素大于0时，返回b中对应的元素值，否则返回c中对应的元素值，例如：
a = gpuarray.to_gpu(np.random.rand(1,10).astype(np.float32))
b = a-0.5
c = gpuarray(b,b,a)
print a, '\n', b, '\n', c得到的结果如下：
[[ 0.7115196 0.00776439 0.33624706 0.60278761 0.07853988 0.0300534 0.8420729 0.37330294 0.41932908 0.70458138]]
[[ 0.2115196 -0.4922356 -0.16375294 0.10278761 -0.42146012 -0.46994659 0.3420729 -0.12669706 -0.08067092 0.20458138]]
[[ 0.2115196 0.00776439 0.33624706 0.10278761 0.07853988 0.0300534 0.3420729 0.37330294 0.41932908 0.20458138]]
对应的如下两种方法可以返回矩阵元素对应的最大和最小值
gpu_ary=gpuarray.maximum(a,b) # gpu_ary 对应a和b中的较大元素
gpu_ary=gpuarray.minimum(a,b) # gpu_ary 对应a和b中的较小元素例如：
a = gpuarray.to_gpu(np.random.rand(1,10).astype(np.float32))
b = gpuarray.to_gpu(np.random.rand(1,10).astype(np.float32))
c = gpuarray.maximum(a,b)
print a, '\n', b, '\n', c
返回的结果如下：
[[ 0.70338213 0.67325777 0.04136072 0.49857542 0.9508003 0.97705019 0.09260399 0.29496953 0.42824832 0.4623526 ]]
[[ 0.05996453 0.44795206 0.37730327 0.55207098 0.99745291 0.28655595 0.32621163 0.81231195 0.96985126 0.2867623 ]]
[[ 0.70338213 0.67325777 0.37730327 0.55207098 0.99745291 0.97705019 0.32621163 0.81231195 0.96985126 0.4623526 ]]## 归约操作 ##
归约操作中涉及到矩阵求和，点积，最大最小值等操作
如下：
gpuarray.max(gpu_ary)
gpuarray.min(gpu_ary)
gpuarray.sum(gpu_ary)
gpuarray.dot(gpu_ary1,gpu_ary2)
pycuda通过cumath模块提供了一些数学操作函数，具体参见https://documen.tician.de/pycuda/array.html
pycuda通过curandom模块提供有gpu产生随机数操作函数。
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， 请联系我们举报，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/234180.html原文链接：https://javaforall.net
![身份管理系统与解决方案[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
