Python矩阵提供numpy.dot（）
米哈伊尔
在认识Python（numba lib）中的CUDA期间，我实现了矩阵提供方法：
- 只是与
numpy.dot() - Strassen算法与
numpy.dot() - GPU上的块方法
- GPU上的Strassen算法
因此，我对2种类型的数据进行了测试：
numpy.random.randint(0, 5, (N, N)) # with int32 elementsnumpy.random.random((N, N)) # with float64 elements
对于int32，我获得了预期的结果，其中我的GPU算法在性能上优于numpy的CPU： 
但是，在float64类型上，numpy.dot()性能优于我的所有GPU方法：
所以，问题是：为什么数组numpy.dot()这么快float64，而numpy是否使用GPU？
ali_m
典型的numpy安装将与BLAS库动态链接，该库提供用于矩阵矩阵和矩阵向量乘法的例程。例如，当您np.dot()在一对float64数组上使用时，numpy将在后台调用BLASdgemm例程。尽管这些库函数在CPU而非GPU上运行，但它们通常是多线程的，并且对其性能进行了很好的调整。良好的BLAS实现，例如MKL或OpenBLAS，即使在GPU *上，在性能方面也可能难以匹敌。
但是，BLAS仅支持浮点类型。如果调用np.dot()整数数组，则numpy将使用非常简单的内部C ++实现来回退，该实现是单线程的，并且比两个浮点数组上的BLAS点要慢得多。
在不了解您如何进行这些基准测试的更多信息的情况下，我敢打赌，简单地调用numpy.dot也会轻松击败float3，complex64和complex128数组的其他3种方法，这是BLAS支持的其他3种类型。
*击败标准BLAS的一种可能方法是使用cuBLAS，这是将在NVIDIA GPU上运行的BLAS实现。该scikit-cuda库似乎为其提供了Python绑定，尽管我自己从未使用过。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
编辑于
相关文章
Related 相关文章
- 1
numpy.dot的逆
- 2
如何获得比numpy.dot更快的代码进行矩阵乘法？
- 3
使用numpy.dot乘以两个巨大的矩阵
- 4
Numpy等价于dot（A，B，3）
- 5
numpy.dot的意外结果
- 6
Python：用于多维数组的numpy.dot / numpy.tensordot
- 7
Python“从[dot]包导入...”语法
- 8
How to create a DOT file in Python?
- 9
从python打开.dot格式的图
- 10
numpy.dot（a，b）在具有相似维数的矩阵相乘时给出错误结果
- 11
为什么numpy.dot与矩阵乘法的这些GPU实现一样快？
- 12
Numpy.dot（）尺寸未对齐
- 13
加速列表理解内的numpy.dot
- 14
多维数组上的Numpy np.dot（）
- 15
在循环中简化 numpy.dot
- 16
为什么jax.numpy.dot（）在CPU上的运行速度比numpy.dot（）更慢？
- 17
如何在Python中创建DOT文件？
- 18
numpy.dot-> MemoryError，my_dot->非常慢，但是可以。为什么？
- 19
np.dot 在矩阵相乘中的结果问题
- 20
我如何找出A * B是Numpy中的Hadamard或Dot产品？
- 21
为什么numpy.dot（）抛出ValueError：形状未对齐？
- 22
numpy.dot 的结果不能使用 * 操作数
- 23
带有嵌套数组的 Numpy Dot 产品
- 24
在Perceptron学习模型的Python实现中将数组传递给numpy.dot（）
- 25
从Linux中包含。（dot）的目录运行python文件
- 26
如何在python dot env文件中定义列表？
- 27
python3 AttributeError: 'list' 对象没有属性 'dot'
- 28
如何从 github python 安装“sparse_dot_topn”
- 29
theano-按规则操作两个矩阵，如T.dot
我来说两句