时间戳

首页 > 解决方案 > numpy 数组可以在 GPU 中运行吗？

python - numpy 数组可以在 GPU 中运行吗？

问题描述

我正在使用 PyTorch。我有以下代码：

import numpy as np
import torch

X = np.array([[1, 3, 2, 3], [2, 3, 5, 6], [1, 2, 3, 4]])
X = torch.DoubleTensor(X).cuda()

X_split = np.array_split(X.numpy(), 
                         indices_or_sections = 2, 
                         axis = 0)
X_split

但我收到此错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-121-870b5d3f67b6> in <module>()
----> 1 X_prime_class_split = np.array_split(X_prime_class.numpy(), 
      2                                      indices_or_sections = 2,
      3                                      axis = 0)
      4 X_prime_class_split

TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

错误消息很清楚，我知道如何通过仅包括.cpu(), 来解决此错误。X_prime_class.cpu().numpy(). 我只是想知道这是否证实 numpy 数组不能在 GPU/Cuda 中运行？

标签： pythonnumpypytorchgpu

解决方案

不，您通常不能在 GPU 阵列上运行 numpy 函数。PyTorch 为 PyTorch 张量重新实现了 numpy 中的大部分功能。例如torch.chunk，工作原理与此类似，np.array_split因此您可以执行以下操作：

X = np.array([[1, 3, 2, 3], [2, 3, 5, 6], [1, 2, 3, 4]])
X = torch.DoubleTensor(X).cuda()
X_split = torch.chunk(X, chunks=2, dim=0)

它分裂X成多个张量，而无需X从 GPU 上移开。

推荐阅读