Question

我有想要与cupy并行化的代码。我认为这很简单-只需写“ import cupy as cp”，然后将我写的np。替换为cp，就可以了。

而且，它确实可以运行，代码可以运行，但是速度慢得多。我认为，与numpy相比，通过较大的数组进行迭代最终会更快，但似乎从未发生。

代码是：

q = np.zeros((5,5))
q[:,0] = 20

def foo(array):

    result = array
    shedding_row = array*0
    for i in range((array.shape[0])):
        for j in range((array.shape[1])-1):

            shedding_param = 2 * (result[i,j])**.5             
            shedding = (np.random.poisson( (shedding_param), 1))[0]

            if shedding >= result[i,j]:
                shedding = result[i,j] - 1

            result[i,j+1] = result[i,j] - shedding

            if result[i,j+1]<0:
                result[i,j+1] = 0

            shedding_row[i,j+1] = shedding  

    return(result,shedding_row)

x,y = foo(q)

这应该使cupy变得更快吗？我用错了吗？

Answer 1

要获得numpy或cupy的快速性能，应使用并行操作而不是for循环。

例如，

for i in range((array.shape[0])):
    for j in range((array.shape[1])-1):

        shedding_param = 2 * (result[i,j])**.5

这可以计算为

xp = numpy  # change to cupy for GPU
shedding_param = 2 * xp.sqrt(result[:, :-1])

遍历数组时Cupy比numpy慢

1 个答案: