Situs web | Instal | Tutorial | Contoh | Dokumentasi | Referensi API | Forum
CuPy adalah pustaka array yang kompatibel dengan NumPy/SciPy untuk komputasi yang dipercepat GPU dengan Python. CuPy bertindak sebagai pengganti drop-in untuk menjalankan kode NumPy/SciPy yang ada pada platform NVIDIA CUDA atau 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 juga menyediakan akses ke fitur CUDA tingkat rendah. Anda dapat meneruskan ndarray
ke program CUDA C/C++ yang ada melalui RawKernels, menggunakan Streams untuk performa, atau bahkan memanggil CUDA Runtime API secara langsung.
Paket biner (roda) tersedia untuk Linux dan Windows di PyPI. Pilih paket yang tepat untuk platform Anda.
Platform | Arsitektur | Memerintah |
---|---|---|
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 ( percobaan ) | x86_64 | pip install cupy-rocm-4-3 |
ROCm 5.0 ( eksperimen ) | x86_64 | pip install cupy-rocm-5-0 |
Catatan
Untuk menginstal pra-rilis, tambahkan --pre -U -f https://pip.cupy.dev/pre
(misalnya, pip install cupy-cuda11x --pre -U -f https://pip.cupy.dev/pre
).
Paket biner juga tersedia untuk Linux dan Windows di Conda-Forge.
Platform | Arsitektur | Memerintah |
---|---|---|
CUDA | x86_64 / aarch64 / ppc64le | conda install -c conda-forge cupy |
Jika Anda memerlukan instalasi yang ramping (tanpa menginstal dependensi CUDA), Anda dapat melakukan conda install -c conda-forge cupy-core
.
Jika Anda perlu menggunakan versi CUDA tertentu (misalnya 12.0), Anda dapat menggunakan metapackage cuda-version
untuk memilih versi, misalnya conda install -c conda-forge cupy cuda-version=12.0
.
Catatan
Jika Anda mengalami masalah dengan CuPy yang diinstal dari conda-forge
, silakan laporkan ke cupy-feedstock, dan kami akan membantu menyelidiki apakah itu hanya masalah kemasan dalam resep conda-forge
atau masalah sebenarnya di CuPy.
Gunakan NVIDIA Container Toolkit untuk menjalankan image container CuPy.
$ docker run --gpus all -it cupy/cupy
Lisensi MIT (lihat file LICENSE
).
CuPy dirancang berdasarkan API NumPy dan API SciPy (lihat file docs/source/license.rst
).
CuPy sedang dikembangkan dan dikelola oleh Jaringan Pilihan dan kontributor komunitas.
Ryosuke Okuta, Yuya Unno, Daisuke Nishino, Shohei Hido dan Crissman Loomis. CuPy: Perpustakaan yang Kompatibel dengan NumPy untuk Perhitungan GPU NVIDIA. Prosiding Lokakarya Sistem Pembelajaran Mesin (LearningSys) dalam Konferensi Tahunan Ketiga Puluh Satu Sistem Pemrosesan Informasi Neural (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 "
}
cuSignal sekarang menjadi bagian dari CuPy mulai v13.0.0. ↩