如何正确使用 anaconda 加速 GPU

Question

我正在尝试使用 anaconda 加速来快速计算矩阵。我从非常基本的示例开始：将 2 个矩阵相乘。

我的目标是以某种方式获得比通常的 numpy.dot 更好的 GPU 乘法

这是我的基本示例，基于 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 慢得令人难以置信

CPU: 0.00011801719665527344
GPU: 0.05677294731140137
True
True
CPU: 0.00011205673217773438
GPU: 0.3881375789642334
True
True
CPU: 0.00038933753967285156
GPU: 3.018171787261963
True
True

当然我知道内部的numpy实现已经很好地优化了，但是我希望anaconda官方的例子很好。我正在使用 python 3.4.3 并在使用这两个帮助库时出错：http://www.cs.toronto.edu/~tijmen/gnumpy.html 和 https://github.com/rctn/gpupy

我应该说使用 gpupy 我在 python 2.7 上成功加速。

所以我的问题是：如何通过使用 GPU 获得比 numpy-CPU 更好的矩阵乘法？ anaconda 官方示例有什么问题，是否有一个允许以 numpy 方式使用 GPU 的 python3 工作库？

===

结果

很遗憾，python 3没有简单好办法，改用2.7吧

感谢@rth 推荐了很棒的库scikits.cuda

Available functions

一些基准测试（使用 anaconda mkl 进行测试，因此 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

Answer 1

您应该了解为经典线性代数运算提供高度优化的例程的 BLAS 实现。使用gemm 函数执行稠密矩阵的乘法。

• 例如，如果针对优化的 BLAS 实现（OpenBLAS、ATLAS、MKL 等）进行编译，numpy 中的矩阵乘法将得到显着改进。
• 对于 GPU，NVIDIA 提供了 cuBLAS 实现。根据这个answer，可以使用scikits.cuda 模块使用numpy 数组调用它。您正在使用的Anaconda accelerate 还提供与 cuBLAS 的直接绑定。

顺便说一句，如果您想对矩阵乘法的 CPU 和 GPU 性能进行基准测试，您还应该指定 Numpy 用于 CPU 计算的 BLAS，因为结果可能相差一个数量级（请参阅this benchmark）。