时间戳

首页 > 解决方案 > Pycuda 2019.1，如何正确复制一个gpuarray？

python - Pycuda 2019.1，如何正确复制一个gpuarray？

问题描述

Pycuda 有一个长期存在的错误，它在复制时似乎没有保持顺序或步幅，即：

import numpy as np
import pycuda.autoinit
from pycuda import gpuarray

np_array = np.array([[1,2,3,4,5],[1,2,3,4,5],[1,2,3,4,5],[1,2,3,4,5]], order="F")
gpu_array = gpuarray.to_gpu(np_array)

gpu_array_copy = gpu_array.copy()

# fails, order isn't the same. ravel also shows difference in order
assert(np.array_equal(gpu_array_copy.get(), np_array))

我想知道如何实际说明这一点？底层内存实际上是一样的吗？我怎样才能确保我的副本实际上是在 pycuda 中复制的？

像这样的问题似乎表明可以修复跨步，但我不知道这是否意味着下面的实际数据（原始设备内存）实际上配置正确。

标签： pythonnumpygpupycuda

解决方案

目前，这是我提出的解决方案（我仍然愿意接受更好的答案）。

我至少确定了复制期间下面的内存是完全相同的。我所做的一件事是尝试保留步幅和标志，无论出于何种原因，它们都不会被复制。

这是我编写的处理此问题的函数：

def gpuarray_copy(array: gpuarray.GPUArray):
    array_copy = array.copy()
    array_copy.strides = array.strides
    array_copy.flags.f_contiguous = array.flags.f_contiguous
    array_copy.flags.c_contiguous = array.flags.c_contiguous
    array_copy.flags.forc = array.flags.forc

这至少解决了主机副本不相等的情况，AFAIK 现在应该使两个 gpuarrays 完全相等。这种方法可能会产生其他后果，因为我不确定为什么诱导剂还没有这样做，但我还没有看到对预期行为的任何负面影响。

推荐阅读