cupy ดาวน์โหลด - ดาวน์โหลดซอร์สโค้ด cupy

cupy

หลาม

v13.3.0

ดาวน์โหลด

CuPy : NumPy & SciPy สำหรับ GPU

CuPy เป็นไลบรารีอาเรย์ที่เข้ากันได้กับ NumPy/SciPy สำหรับการประมวลผลที่เร่งด้วย GPU ด้วย Python CuPy ทำหน้าที่เป็นตัวแทนที่แบบดรอปอินเพื่อรันโค้ด NumPy/SciPy ที่มีอยู่บนแพลตฟอร์ม NVIDIA CUDA หรือ 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 ยังให้การเข้าถึงคุณสมบัติ CUDA ระดับต่ำอีกด้วย คุณสามารถส่งผ่าน ndarray ไปยังโปรแกรม CUDA C/C++ ที่มีอยู่ผ่าน RawKernels ใช้ Streams เพื่อประสิทธิภาพ หรือแม้แต่เรียก CUDA Runtime API ได้โดยตรง

การติดตั้ง

ปิ๊ป

แพ็คเกจไบนารี (ล้อ) พร้อมใช้งานสำหรับ Linux และ Windows บน PyPI เลือกแพ็คเกจที่เหมาะสมสำหรับแพลตฟอร์มของคุณ

แพลตฟอร์ม	สถาปัตยกรรม	สั่งการ
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 ( ทดลอง )	x86_64	`pip install cupy-rocm-4-3`
ROCm 5.0 ( ทดลอง )	x86_64	`pip install cupy-rocm-5-0`

บันทึก

หากต้องการติดตั้งเวอร์ชันก่อนเผยแพร่ ให้ผนวก --pre -U -f https://pip.cupy.dev/pre (เช่น pip install cupy-cuda11x --pre -U -f https://pip.cupy.dev/pre )

คอนดา

แพ็คเกจไบนารี่ยังมีให้สำหรับ Linux และ Windows บน Conda-Forge

แพลตฟอร์ม	สถาปัตยกรรม	สั่งการ
CUDA	x86_64 / aarch64 / ppc64le	`conda install -c conda-forge cupy`

หากคุณต้องการการติดตั้งแบบบาง (โดยไม่ได้รับการติดตั้งการพึ่งพา CUDA) conda install -c conda-forge cupy-core คุณสามารถทำได้

หากคุณต้องการใช้เวอร์ชัน CUDA เฉพาะ (เช่น 12.0) คุณสามารถใช้ metapackage cuda-version เพื่อเลือกเวอร์ชันได้ เช่น conda install -c conda-forge cupy cuda-version=12.0

บันทึก

หากคุณพบปัญหาใดๆ กับ CuPy ที่ติดตั้งจาก conda-forge โปรดรายงานไปยัง cupy-feedstock และเราจะช่วยตรวจสอบว่านี่เป็นเพียงปัญหาบรรจุภัณฑ์ในสูตรของ conda-forge หรือปัญหาจริงใน CuPy

นักเทียบท่า

ใช้ NVIDIA Container Toolkit เพื่อเรียกใช้อิมเมจคอนเทนเนอร์ CuPy

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

ทรัพยากร

คู่มือการติดตั้ง - คำแนะนำในการสร้างจากแหล่งที่มา
บันทึกประจำรุ่น
โครงการที่ใช้ CuPy
คู่มือการบริจาค
การเร่งความเร็ว GPU ใน Python โดยใช้ CuPy และ Numba (เซสชันทางเทคนิค GTC พฤศจิกายน 2564)
การเร่งความเร็ว GPU ของเวิร์กโฟลว์การประมวลผลสัญญาณโดยใช้ CuPy และ cuSignal 1 (บทช่วยสอนของ ICASSP'21)

ใบอนุญาต

ใบอนุญาต MIT (ดูไฟล์ LICENSE )

CuPy ได้รับการออกแบบโดยใช้ API ของ NumPy และ API ของ SciPy (ดูไฟล์ docs/source/license.rst )

CuPy กำลังได้รับการพัฒนาและดูแลโดย Preferred Networks และผู้ร่วมให้ข้อมูลในชุมชน

อ้างอิง

เรียวสุเกะ โอคุตะ, ยูยะ อุนโนะ, ไดสุเกะ นิชิโนะ, โชเฮ ฮิโด และคริสแมน ลูมิส CuPy: ไลบรารีที่เข้ากันได้กับ NumPy สำหรับการคำนวณ NVIDIA GPU การดำเนินการของการประชุมเชิงปฏิบัติการเกี่ยวกับระบบการเรียนรู้ของเครื่อง (LearningSys) ในการประชุมประจำปีครั้งที่สามสิบเอ็ดเกี่ยวกับระบบประมวลผลข้อมูลทางประสาท (NIPS) (2017) [ไฟล์ 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 "
}