Question

我尝试使用cupy而不是numpy来加快python代码的速度。这里的问题是，使用cupy，我的代码大大变慢了。也许我对这个问题有些天真。

也许任何人都可以在我的代码中找到瓶颈：

import cupy as np
import time as ti

def f(y, t):
    y_ = np.zeros(2 * N_1*N_2) # n: e-6, c: e-5
    for i in range(0, N_1*N_2):
        y_[i] = y[i + N_1*N_2] # n: e-7, c: e-5 or e-6
    for i in range(N_1*N_2):
        sum = -4*y[i] # n: e-7, c: e-7 after some statements e-5
        if (i + 1 in indexes) and (not (i in indi)):
            sum += y[i+1] # n: e-7, c: e-7 after some statements e-5
        if (i - 1) in indexes and (i % N_1 != 0):
            sum += y[i-1] # n: e-7, c: e-7 after some statements e-5
        if i + N_1 in indexes:
            sum += y[i+N_1] # n: e-7, c: e-7 after some statements e-5
        if i - N_1 in indexes:
            sum += y[i-N_1] # n: e-7, c: e-7 after some statements e-5
        y_[i + N_1*N_2] = sum

    return y_

def k_1(y, t, h):
    return np.asarray(f(y, t)) * h

def k_2(y, t, h):
    return np.asarray(f(np.add(np.asarray(y) , np.multiply(1/2 , k_1(y, t, h))), t + 1/2 * h)) * h

# k_2, k_4 look just like k_2, may be with an 1/2 here or there

# some init stuff is happening here

while t < T_end:
    # also some magic happening here which is just data saving
    y = np.asarray(y) + 1/6*(k_1(y, t, m) + 2*k_2(y, t, m) + 2*k_3(y, t, m) + k_4(y, t, m))
    t += m

编辑我试图对我的代码进行基准测试，以下是一些结果，可以将它们视为代码中的注释。每个数字停留一行。单位是秒。 n：脾气暴躁，c：CuPy，我主要是对该顺序进行粗略估计。我另外测试过

np.multiply # n: e-6, c: e-5

和

np.add # n: e-5 or e-6, c: 0.005 or e-5

Answer 1

您的代码示例不起作用，因为您尚未在任何地方定义N_1，N_2，indexes和indi。同样，您在代码中的注释似乎也无法帮助其他人了解正在发生的事情。您的代码可能不会从numba / cupy中受益，因为您尚未对代码中的操作进行矢量化处理。目前，列表的工作方式可能与numpy数组一样快。

如果您摆脱了for循环并进行更改

y_ = np.zeros(2 * N_1*N_2)
for i in range(0, N_1*N_2):
    y_[i] = y[i + N_1*N_2]

到

n = N1*N2
y_ = np.zeros(2*n)
y_[:n] = y[n:2*n]

以此类推，您将大大加快代码的速度。

Answer 2

您的代码并不慢，因为numpy慢，但是因为您调用了许多（python）函数，而在python中，调用函数（以及迭代和访问对象以及python中的所有内容）却很慢。因此cupy并不能帮助您（但可能会损害性能，因为它必须进行更多设置，例如将数据复制到gpu）。如果您可以制定算法来使用较少的python函数（在另一个答案中进行向量化），则可以极大地加快代码的速度（您可能不需要cupy）。

您还可以查看numba，它会使用llvm在本机代码中编译您的代码。如果这样做，请务必阅读一些文档并使用nopython=True，否则，您将只用慢的numba代码切换慢的cupy代码。

库比比麻木慢

2 个答案: