anaconda下使用python怎样实现图像增强_numpy – 如何正确使用anaconda加速GPU

我试图用anaconda加速快速计算矩阵.我从非常基本的例子开始：乘以2个矩阵.

我的目标是以某种方式获得GPU倍增,这比通常的numpy.dot更好

这是我的基本示例,基于此documentation.

from numbapro import guvectorize

from numpy import arange

@guvectorize(['void(float32[:,:], float32[:,:], float32[:,:])'], '(m,n),(n,p)->(m,p)', target='gpu')

def matmul(A, B, C):

m, n = A.shape

n, p = B.shape

for i in range(m):

for j in range(p):

C[i, j] = 0

for k in range(n):

C[i, j] += A[i, k] * B[k, j]

import numpy as np

import time

for dim in [50, 100, 200]:

rnd = np.random.RandomState(0)

a = rnd.rand(dim, dim).astype(np.float32)

b = rnd.rand(dim, dim).astype(np.float32)

resgpu = np.zeros_like(a)

start = time.time()

rescpu = np.dot(a, b)

print('CPU:', time.time() - start)

start = time.time()

resgpu = matmul(a, b)

print('GPU:', time.time() - start)

print(np.allclose(rescpu, resgpu))

print(np.allclose(resgpu, rescpu))

结果太糟糕了：GPU比CPU慢得多

CPU: 0.00011801719665527344

GPU: 0.05677294731140137

True

True

CPU: 0.00011205673217773438

GPU: 0.3881375789642334

True

True

CPU: 0.00038933753967285156

GPU: 3.018171787261963

True

True

当然我理解内部的numpy实现已经很好地优化了,但我希望anaconda官方的例子是好的.我使用python 3.4.3并使用这两个帮助库有错误：http://www.cs.toronto.edu/~tijmen/gnumpy.html和https://github.com/rctn/gpupy

我应该说用gpupy我在python 2.7上成功加速了.

所以我的问题是：如何通过GPU使用矩阵乘法比numpy-CPU更好？ anaconda官方示例有什么问题,如果有一个python3工作库允许以numpy方式使用GPU？

===

结果

不幸的是,python 3没有简单而好的方法,而是使用2.7

感谢@rth for recommendedint awesome library scikits.cuda

一些基准测试(使用anaconda mkl测试,所以numpy也很快)

dim = 10000

rnd = np.random.RandomState(0)

a = rnd.rand(dim, dim).astype(np.float32)

b = rnd.rand(dim, dim).astype(np.float32)

a_gpu = gpuarray.to_gpu(a)

b_gpu = gpuarray.to_gpu(b)

start = time.time()

rescpu = np.dot(a, b)

print 'CPU:', time.time() - start

start = time.time()

resgpu = culinalg.dot(a_gpu, b_gpu)

print 'GPU:', time.time() - start

resgpu = resgpu.get()

print np.allclose(rescpu, resgpu)

print np.allclose(resgpu, rescpu)

结果

CPU: 16.4765479565

GPU: 0.000520944595337