minpy使用GPU加速Numpy科学计算方式
更新时间：2023年01月28日 09:48:01 作者：乌拉队长
这篇文章主要介绍了minpy使用GPU加速Numpy科学计算方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
minpy使用GPU加速Numpy科学计算
minpy是一个基于MXNet的支持GPU的加速Numpy计算的库，用法和Numpy几乎一样，使用：
import scipy.io as sio import matplotlib as plt import minpy.numpy as np
使用时只需要在Numpy前面加上minpy，就可以像Numpy一样使用它进行矩阵运算。
甩一条MXNet官网链接
minpy安装起来也很简单：
先安装MXNet依赖
# 安装cuda10.1版本的MXNet pip install mxnet-cu101 # 如果你的cuda版本为10.0，则执行下面的命令，其他版本同理 pip install mxnet-cu100
然后安装minpy：
pip install minpy
然后就可以正常使用了。
Install mxnet and install minpy
make sure the things below.
- 1.your machine has a nvidia gpu.
- 2.installed gpu cuda and cudnn.
how to install mxnet?
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade mxnet-cu90
use cu90 because my cuda version is 9.0
then install minpy
pip install minpy
then is a demo to test minpy gpu acceleration.
import time
import numpy as np
import numpy.random as random
import minpy.numpy as mnp
def main():
random.seed(0)
X = random.randn(10000, 16000)
A = np.array(X,dtype=np.float32)
Y = random.randn(16000, 5000)
B = np.array(Y,dtype=np.float32)
print("A.shape:%s" ,A.shape)
print("B.shape:%s" ,B.shape)
start = time.time()
C = mnp.dot(A,B)
d1 = time.time() - start
print('minpy numpy:', d1)
print(C)
start = time.time()
C = np.dot(A,B)
d2 = time.time() - start
print('numpy:', d2)
print(C)
print("%s" , d2/d1)
if __name__ == '__main__':
main()
output
A.shape:%s (10000, 16000)
B.shape:%s (16000, 5000)
minpy numpy: 0.3046295642852783
[[-129.23964 34.24473 205.77763 ... 64.57458 -134.04288
-282.5226 ]
[ 56.055874 151.66455 4.534541 ... -59.855354 77.807755
102.97847 ]
[ 53.7853 -133.20685 -114.16803 ... -78.15841 -22.429447
-100.71634 ]
...
[ 18.944311 -179.30074 -114.42271 ... -22.20309 -29.131681
16.166618 ]
[ -5.1453457 -11.761197 -28.63139 ... -236.34016 -67.44423
-50.811813 ]
[ 137.46251 -77.67743 -74.262535 ... -25.249132 83.94517
-14.008699 ]]
numpy: 3.323066234588623
[[-129.23964 34.24473 205.77763 ... 64.57458 -134.04288
-282.5226 ]
[ 56.055874 151.66455 4.534541 ... -59.855354 77.807755
102.97847 ]
[ 53.7853 -133.20685 -114.16803 ... -78.15841 -22.429447
-100.71634 ]
...
[ 18.944311 -179.30074 -114.42271 ... -22.20309 -29.131681
16.166618 ]
[ -5.1453457 -11.761197 -28.63139 ... -236.34016 -67.44423
-50.811813 ]
[ 137.46251 -77.67743 -74.262535 ... -25.249132 83.94517
-14.008699 ]]
%s 10.908548034020265
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
您可能感兴趣的文章:
相关文章
这篇文章主要介绍了Python functools模块学习总结,本文讲解了functools.partial、functool.update_wrapper、functool.wraps、functools.reduce、functools.cmp_to_key、functools.total_ordering等方法的使用实例,需要的朋友可以参考下2015-05-05
Python的turtle模块是一个直观的图形化编程工具,让用户通过控制海龟在屏幕上的移动来绘制各种形状和图案,在接下来的文章中,我将通过一个生动的例子——绘制一幅樱花树图画——来深入探讨turtle模块的实用性,需要的朋友可以参考下2024-04-04
这篇文章主要为大家介绍了Python区块链块的添加教程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-05-05
在Python中比较字符串最好是使用简单逻辑操作符,今天为大家讲解一下is、==和cmp()使用总结2018-03-03
Python利用PyQt5制作一个获取网络实时NBA数据并播报的GUI程序
现在NBA联赛也进行到半决赛了,我们怎么样才能以更快的方法获取NBA的数据呢？这里我们就自己来做一个数据播报的程序,需要的朋友可以参考下2021-06-06
在如今的网络中,许多网站是“动态”的,即网页内容不是静态的 HTML 文件,而是由 JavaScript 动态生成的,这种动态网页在数据抓取中带来了一些挑战,在本教程中,我们将详细介绍如何使用 Python 抓取动态网页,需要的朋友可以参考下2024-11-11
这篇文章主要给大家介绍了关于Django学习笔记之View操作指南的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-03-03
最近在学Python,想做点什么来练练手,命令行的贪吃蛇一般是C的练手项目,但是一时之间找不到别的,就先做个贪吃蛇来练练简单的语法,下面这篇文章主要给大家介绍了关于如何用322行Python代码编写贪吃蛇游戏的相关资料,需要的朋友可以参考下2023-02-02
python使用xlrd实现检索excel中某列含有指定字符串记录的方法
这篇文章主要介绍了python使用xlrd实现检索excel中某列含有指定字符串记录的方法,涉及Python使用xlrd模块检索Excel的技巧,非常具有实用价值,需要的朋友可以参考下2015-05-05
在工作、生活中常常会用到，比如票据、漫画、扫描件、照片的文本提取。本文主要介绍了基于PyQt + PaddleOCR实现的一个桌面端的OCR工具，用于快速实现图片中文本区域自动检测+文本自动识别，需要的朋友可以参考一下2021-12-12
最新评论