cupy Télécharger - cupy Téléchargement du code source

cupy

Python

v13.3.0

Télécharger

CuPy : NumPy et SciPy pour GPU

CuPy est une bibliothèque de tableaux compatible NumPy/SciPy pour le calcul accéléré par GPU avec Python. CuPy agit comme un remplacement immédiat pour exécuter le code NumPy/SciPy existant sur les plates-formes NVIDIA CUDA ou AMD ROCm.

 > >> import cupy as cp
> >> x = cp . arange ( 6 ). reshape ( 2 , 3 ). astype ( 'f' )
> >> x
array ([[ 0. ,  1. ,  2. ],
       [ 3. ,  4. ,  5. ]], dtype = float32 )
> >> x . sum ( axis = 1 )
array ([  3. ,  12. ], dtype = float32 )

CuPy donne également accès aux fonctionnalités CUDA de bas niveau. Vous pouvez transmettre ndarray aux programmes CUDA C/C++ existants via RawKernels, utiliser Streams pour les performances ou même appeler directement les API CUDA Runtime.

Installation

Pépin

Des packages binaires (wheels) sont disponibles pour Linux et Windows sur PyPI. Choisissez le package adapté à votre plateforme.

Plate-forme	Architecture	Commande
CUDA 11.x (11.2+)	x86_64 / aarch64	`pip install cupy-cuda11x`
CUDA 12.x	x86_64 / aarch64	`pip install cupy-cuda12x`
ROCm 4.3 ( expérimental )	x86_64	`pip install cupy-rocm-4-3`
ROCm 5.0 ( expérimental )	x86_64	`pip install cupy-rocm-5-0`

Note

Pour installer les versions préliminaires, ajoutez --pre -U -f https://pip.cupy.dev/pre (par exemple, pip install cupy-cuda11x --pre -U -f https://pip.cupy.dev/pre ).

Conda

Des packages binaires sont également disponibles pour Linux et Windows sur Conda-Forge.

Plate-forme	Architecture	Commande
CUDA	x86_64 / aarch64 / ppc64le	`conda install -c conda-forge cupy`

Si vous avez besoin d'une installation mince (sans également installer les dépendances CUDA), vous pouvez faire conda install -c conda-forge cupy-core .

Si vous devez utiliser une version particulière de CUDA (disons 12.0), vous pouvez utiliser le métapaquet cuda-version pour sélectionner la version, par exemple conda install -c conda-forge cupy cuda-version=12.0 .

Note

Si vous rencontrez un problème avec CuPy installé à partir de conda-forge , n'hésitez pas à le signaler à cupy-feedstock, et nous vous aiderons à déterminer s'il s'agit simplement d'un problème d'emballage dans la recette de conda-forge ou d'un véritable problème dans CuPy.

Docker

Utilisez NVIDIA Container Toolkit pour exécuter des images de conteneur CuPy.

 $ docker run --gpus all -it cupy/cupy

Ressources

Guide d'installation - instructions sur la construction à partir de la source
Notes de version
Projets utilisant CuPy
Guide des contributions
Accélération GPU en Python à l'aide de CuPy et Numba (session technique GTC de novembre 2021)
Accélération GPU des flux de travail de traitement du signal à l'aide de CuPy et cuSignal 1 (Tutoriel ICASSP'21)

Licence

Licence MIT (voir fichier LICENSE ).

CuPy est conçu sur la base de l'API de NumPy et de l'API de SciPy (voir le fichier docs/source/license.rst ).

CuPy est développé et maintenu par Preferred Networks et les contributeurs de la communauté.

Référence

Ryosuke Okuta, Yuya Unno, Daisuke Nishino, Shohei Hido et Crissman Loomis. CuPy : une bibliothèque compatible NumPy pour les calculs GPU NVIDIA. Actes de l'atelier sur les systèmes d'apprentissage automatique (LearningSys) lors de la trente et unième conférence annuelle sur les systèmes de traitement de l'information neuronale (NIPS) , (2017). [PDF]

 @inproceedings { cupy_learningsys2017 ,
  author       = " Okuta, Ryosuke and Unno, Yuya and Nishino, Daisuke and Hido, Shohei and Loomis, Crissman " ,
  title        = " CuPy: A NumPy-Compatible Library for NVIDIA GPU Calculations " ,
  booktitle    = " Proceedings of Workshop on Machine Learning Systems (LearningSys) in The Thirty-first Annual Conference on Neural Information Processing Systems (NIPS) " ,
  year         = " 2017 " ,
  url          = " http://learningsys.org/nips17/assets/papers/paper_16.pdf "
}