初次尝试GUP运行python，测试代码时发现结果不好

2022-09-30 09:59:40 1.3k 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

win10下安装pycharm和tensorflow-gpu版本 win10下安装pycharm和tensorflow-gpu版本 #电脑配置 windows 10 专业版 python 3.6.6 pycharm 社区版 cuda 10.1 cuDNN v8.0.4 tensorflow 2.3.0 安装准备 1、python的安装，这里我安装的是3.6.6版本的pyhton,因为身边的人大多都在用3.6版本的python 2、Pycharm安装。直接百度搜索pycharm就可以下载，这个很简单，因为我是个人使用，所以用的是社区版本的。 3、安装cuda和cuDNN。因阅读详情

使用的时pycharm，显卡为nvidia 2060

运行网上别人写的测试代码，据他所说gpu运行速度应当比cpu快很多

结果我自己运行时刚好相反，我是gpu设置出错了，还是代码有问题？请大佬指点!!!

from numba import cuda
import numpy as np
import math
from time import time


@cuda.jit
def gpu_add(a, b, result, n):
    idx = cuda.threadIdx.x + cuda.blockDim.x * cuda.blockIdx.x
    if idx < n:
        result[idx] = a[idx] + b[idx]


def main():
    n = 20000000
    x = np.arange(n).astype(np.int32)
    y = 2 * x
    # 拷贝数据到设备端
    x_device = cuda.to_device(x)
    y_device = cuda.to_device(y)
    # 在显卡设备上初始化一块用于存放GPU计算结果的空间
    gpu_result = cuda.device_array(n)
    cpu_result = np.empty(n)
    threads_per_block = 1024
    blocks_per_grid = math.ceil(n / threads_per_block)
    start = time()
    gpu_add[blocks_per_grid, threads_per_block](x_device, y_device, gpu_result, n)
    cuda.synchronize()
    print("gpu vector add time " + str(time() - start))
    start = time()
    cpu_result = np.add(x, y)
    print("cpu vector add time " + str(time() - start))
    if np.array_equal(cpu_result, gpu_result.copy_to_host()):
        print("result correct!")


if __name__ == "__main__":
    main()

...全文