索引为零维 cp.array 的 cp.array 慢切片（基于 cp.argmin 结果）答案

【问题标题】：Slow slicing of cp.array with index being zero dimensional cp.array (based on cp.argmin result)索引为零维 cp.array 的 cp.array 慢切片（基于 cp.argmin 结果）
【发布时间】：2021-01-20 11:00:43
【问题描述】：

我有一些代码，我需要根据应用于较小 cp.array 的 cp.argmin 的结果对较大的 cp.array 进行切片。（参见下面的最小代码示例）

问题是，cp.argmin 返回一个零维 cp.array，而使用 : 运算符进行切片显然需要整数。

import time
import cupy as cp

original = cp.empty((10000, 10000))
nrows, ncols = 1000, 1000
to_modify = cp.empty((nrows, ncols))
start_time = time.time()
for i in range(10000):
    argmin = cp.argmin(to_modify)
    argmin = int(argmin)
    row_idx, col_idx = (argmin // ncols, argmin % ncols)
    sliced = original[row_idx : row_idx + nrows, col_idx : col_idx + ncols]
    to_modify += sliced

print(time.time() - start_time)

当我分析上面的代码时（我使用 py-spy），最慢的行（大约 90% 的时间）是转换为 argmin 的 int，但如果我删除它，sliced = original[ ... ] 行将成为最慢的行，因为演员阵容似乎隐含地发生了。有没有办法以高效的方式解决我的问题，避免切片时对 : 运算符的需求？

【问题讨论】：

标签： cupy

【解决方案1】：

不幸的是，我没有找到使用 cupy 的可行解决方案。相反，我开始使用 numba。虽然 numba 需要以编写 cuda 内核的形式进行更多的手动工作，但它也提供了更多的控制。使用 numba.cuda.device_array()、numba.cuda.to_device() 和 numba.cuda.copy_to_host() 还可以控制数组在 cpu 和 gpu 之间来回复制的时间。最难的部分是实现 argmin，这需要一个 reduce 操作：

@cuda.jit
def find_argmin(data, argmin, tmp_min, tmp_idx):
    x = cuda.grid(1)

    shape_x, shape_y = data.shape[0], data.shape[1]
    num_items = shape_x * shape_y
    num_threads = tmp_min.shape[0]
    num_items_per_thread = num_items // num_threads

    min_val = data[0, 0]
    min_ix, min_iy = 0, 0

    for idx in range(num_items_per_thread):
        idx = x * num_items_per_thread + idx
        if idx < num_items:
            ix, iy = idx // shape_y, idx % shape_y
            current = data[ix, iy]
            if current < min_val:
                min_val = current
                min_ix = ix
                min_iy = iy

    tmp_idx[x, 0] = min_ix
    tmp_idx[x, 1] = min_iy
    tmp_min[x] = min_val

    cuda.syncthreads()

    # find minimum in temporary array
    if x == 0:
        min_val = tmp_min[0]
        min_x, min_y = tmp_idx[0, 0], tmp_idx[0, 1]

        for idx in range(num_threads):
            if tmp_min[idx] < min_val:
                min_val = tmp_min[idx]
                min_x, min_y = tmp_idx[idx, 0], tmp_idx[idx, 1]

    argmin[0] = min_x
    argmin[1] = min_y

其余的都是简单的元素操作。

【讨论】：