Numpy может быть «связан/скомпилирован» с различными реализациями BLAS (MKL, ACML, ATLAS, GotoBlas и т. д.). Это не всегда просто настроить, но это возможно.
Можно ли также «связать/скомпилировать» numpy с реализацией NVIDIA CUBLAS?
Я не смог найти никаких ресурсов в Интернете, и прежде чем тратить слишком много времени на попытки, я хотел убедиться, что это вообще возможно.
Одним словом: нет, так нельзя.
Существует довольно хороший scikit, который обеспечивает доступ к CUBLAS из scipy под названием scikits.cuda, который построен поверх PyCUDA. PyCUDA предоставляет класс, подобный numpy.ndarray, который легко позволяет манипулировать массивами numpy в памяти графического процессора с помощью CUDA. Таким образом, вы можете использовать CUBLAS и CUDA с numpy, но вы не можете просто связать CUBLAS и ожидать, что это сработает.
Существует также коммерческая библиотека, которая предоставляет функциональность, похожую на numpy и cublas, и которая имеет интерфейс или привязки Python, но я оставлю это одному из их зазывал, чтобы рассказать вам об этом.
numpy.dot() и другие функции Linealg с MKL или GotoBlas2), и я мог бы проводить сравнения производительности. Просто из любопытства: вы случайно не знаете, по каким техническим причинам невозможно связать numpy с CUBLAS?
- person Ümit; 20.07.2012
вот еще возможность:
http://www.cs.toronto.edu/~tijmen/gnumpy.html
это в основном среда gnumpy + cudamat, которую можно использовать для использования графического процессора. также тот же код можно запустить без графического процессора с помощью npmat. перейдите по ссылке выше, чтобы загрузить все эти файлы.
