python 调用gpu算力_KMCUDA： GPU/CUDA 实现Kmeans

最近项目使用到Kmeans算法，考虑到CPU实现速度上的限制，需要使用GPU加速，因此查到libKMCUDA库。

记录安装使用过程中遇到的一些问题。

1、kmcuda简介

项目内容：Large scale K-means and K-nn implementation on NVIDIA GPU / CUDA

该项目具体的介绍可参照github上的说明。

性能如下：

从技术上来讲，该项目是一个共享库，可导出kmcuda.h中定义的两个函数：kmeasn_cuda和knn_cuda。它具有内置的Python3和R语言本机扩展支持，因此可以从libKMCUDA导入kmeans_cuda或dyn.load("libKMCUDA.so")。

2、安装

Github上给出的安装命令：

git clone https://github.com/src-d/kmcuda

cd src

cmake -DCMAKE_BUILD_TYPE=Release . && make

复制代码

有几个参数需要注意一下：

-D DISABLE_PYTHON: 如果不想编译Python支持模块，将该项值为y,即增加-D DISABLE_PYTHON=y

-D DISABLE_R: 如果不想编译R支持模块，增加-D DISABLE_R=y

-D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-10.0(修改为自己的路径)：如果CUDA无法自动找到，则增加该项

-D CUDA_ARCH=52:指定当前机器的CUDA计算能力(GPU Compute Capability)

gcc：有文章提到，低版本的gcc编译器不支持，我当前版本是5.4，可满足需求。

1. 查询gcc版本

若版本过低，可安装gcc-5.4，具体安装参考如下博文：

2. 查询GPU算力

通过NVIDIA官网查询自己GPU服务器的GPU算力，地址如下：

我当前使用的服务器是GeForce RTX 2070，对应的算力是7.5。

因此，CUDA_ARCH设置为75， -D CUDA_ARCH=75

3. 配置GPU路径

为了能够自动查找相关库的路径，将cuda的路径配置到配置文件中。当前系统使用的shell为zsh:

在~/.zshrc中增加如下项:

export PATH=$PATH:/usr/local/cuda/bin

export LD_LIBRARAY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

export