cuBLAS Dgemm产品与python

时间:2015-11-17 23:48:21

标签: python matrix cuda pycuda cublas

我有2个简单矩阵AB,我计算它们的乘法。 数组看起来像这样(使用numpy和模型)

A=np.array(([1,2,3],[4,5,6])).astype(np.float64)
B=np.array(([7,8],[9,10],[11,12])).astype(np.float64)

以下是Matrix的形状

A: (2, 3)

B: (3, 2)

现在,我正尝试使用cublasDgemmBatched来获取产品。

我对应用cublasDgemmBatched m,n k 值应该是什么感到困惑。 另外,我不确定数组的主要维度(ldaldbldc)是什么。

这里有一个nice 3d example,但我似乎无法将此功能用于2d矩阵。

理想情况下,我希望获得与np.dot相同的结果。

1 个答案:

答案 0 :(得分:1)

我没有skcuda.blas来证实这一点。但更完整的示例可能看起来像

A = np.array(([1, 2, 3], [4, 5, 6])).astype(np.float64)
B = np.array(([7, 8], [9, 10], [11, 12])).astype(np.float64)

m, k = A.shape
k, n = B.shape

a_gpu = gpuarray.to_gpu(A)
b_gpu = gpuarray.to_gpu(B)
c_gpu = gpuarray.empty((m, n), np.float64)

alpha = np.float64(1.0)
beta = np.float64(0.0)

a_arr = bptrs(a_gpu)
b_arr = bptrs(b_gpu)
c_arr = bptrs(c_gpu)

cublas_handle = cublas.cublasCreate()

cublas.cublasDgemm(cublas_handle, 'n','n',
                   n, m, k, alpha,
                   b_arr.gpudata, m,
                   a_arr.gpudata, k,
                   beta, c_arr.gpudata, m)