python tutorial中文版_python 加速方法汇总

d9cb530f624879cd0072fbf6776129e9.png

参考书籍

《Hands-On GPU Programming with Python and CUDA》by Dr. Brian Tuomanen

书中代码:

PacktPublishing/Hands-On-GPU-Programming-with-Python-and-CUDA​github.com
3a7553695c031dce27dbc48b90b3e152.png

Cupy

《如何将Numpy加速700倍?用 CuPy 呀》

cupy/cupy​github.com
48890d401bae494b8564d23fde2d8351.png

《在Chainer中使用GPU》

在Chainer中使用GPU - 基于Python的深度学习​bennix.github.io

教程:

Tutorial - CuPy 8.0.0 documentation​docs-cupy.chainer.org

社区:

https://groups.google.com/forum/#!forum/cupy​groups.google.com 如何将Numpy加速700倍?用 CuPy 呀​www.jiqizhixin.com
d3700b7b8acc3f46947b435d2295d817.png
https://towardsdatascience.com/heres-how-to-use-cupy-to-make-numpy-700x-faster-4b920dda1f56​towardsdatascience.com
i7–8700k CPU
1080 Ti GPU
32 GB of DDR4 3000MHz RAM
CUDA 9.0
 
The latest version of cuDNN and NCCL libraries are included in binary packages (wheels). For the source package, you will need to install cuDNN/NCCL before installing CuPy, if you want to use it.
 
依赖CUDA cuDNN NCCL
 
pip install cupy
pip install cupy-cuda90
pip install cupy-cuda100
pip install cupy-cuda101
 
 
import numpy as np
import cupy as cp
import time
### Numpy and CPU
s = time.time()
*x_cpu = np.ones((1000,1000,1000))*
e = time.time()
print(e - s)### CuPy and GPU
s = time.time()
*x_gpu = cp.ones((1000,1000,1000))*
e = time.time()
print(e - s)

Pycuda

【GPU加速系列】PyCUDA(一):上手简单操作 - 雨先生 - 开发者的网上家园​www.cnblogs.com Welcome to PyCUDA’s documentation!​documen.tician.de pycuda​pypi.org
bd69006134ec55eb607407641459217d.png
inducer/pycuda​github.com
b2144eb66b03b41119016b5600631e91.png
PyCUDA​mathema.tician.de CycleUser:PyCUDA 文档中文翻译-Tutorial 中文版​zhuanlan.zhihu.com
1453456ef12d39d79613afc1a6ef9c6d.png

pyopencl

pyopencl 2019.1.2

inducer/pyopencl​github.com
b2144eb66b03b41119016b5600631e91.png
PyOpenCL​mathema.tician.de Andreas Klöckner's Former Wiki​wiki.tiker.net Welcome to PyOpenCL’s documentation!​documen.tician.de

Numba

PP鲁:GPU加速02:超详细Python Cuda零基础入门教程,没有显卡也能学!​zhuanlan.zhihu.com
459badcc81961f5cd270ec4ab5177b69.png
A High Performance Python Compiler​numba.pydata.org
7dbb84f41a41e23d60f6ffeeafbb729a.png
Numba for CUDA GPUs​numba.pydata.org numba/numba​github.com
ecd4c4ac28c691c33c7b8896071d9d1c.png
射命丸咲:Python · numba 的基本应用​zhuanlan.zhihu.com
7305901dd37913a0f770ce134d62b913.png

MinPy

dmlc/minpy​github.com
1a1ab6c598204f67be244aead9e66a94.png
Welcome to MinPy’s documentation!​minpy.readthedocs.io Limitation and Pitfalls​minpy.readthedocs.io

专栏 | MinPy:剑气双修的武功秘籍

专栏 | MinPy:剑气双修的武功秘籍​www.sohu.com
565f9154443f396238244cddbcc11bf3.png

Mars

重磅开源!阿里首款自研科学计算引擎 Mars 来了​www.jianshu.com
68f4b944dc87fc73d6934d7637c4726f.png
第二代NumPy?阿里开源超大规模矩阵计算框架Mars​www.jiqizhixin.com
2716c963f5823a364ac88da0139cea86.png
版权声明:本文为知识在于分享博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接: https:// blog.csdn.net/baidu_408 40693/article/details/103920308
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值