numpy - Pycuda弄乱了numpy矩阵转置

Question

为什么转置矩阵在转换为 pycuda.gpuarray 时看起来不同?

你能重现这个吗？什么可能导致这种情况？我使用了错误的方法吗？

示例代码

from pycuda import gpuarray
import pycuda.autoinit
import numpy

data = numpy.random.randn(2,4).astype(numpy.float32)
data_gpu = gpuarray.to_gpu(data.T)
print "data\n",data
print "data_gpu.get()\n",data_gpu.get()
print "data.T\n",data.T

输出

data
[[ 0.70442784  0.08845157 -0.84840715 -1.81618035]
 [ 0.55292499  0.54911566  0.54672164  0.05098847]]
data_gpu.get()
[[ 0.70442784  0.08845157]
 [-0.84840715 -1.81618035]
 [ 0.55292499  0.54911566]
 [ 0.54672164  0.05098847]]
data.T
[[ 0.70442784  0.55292499]
 [ 0.08845157  0.54911566]
 [-0.84840715  0.54672164]
 [-1.81618035  0.05098847]]

Answer 1

在 numpy 中，data.T对底层一维数组没有任何作用。它只是操纵步幅来获得转置。这使其成为恒定时间和恒定内存操作。

看起来pycuda.to_gpu()不尊重步幅，只是复制底层的一维数组。这将产生您正在观察的确切行为。

在我看来，您的代码没有任何问题。相反，我认为这是 pycuda 中的一个错误。 .

我用谷歌搜索，发现 a thread that discusses this issue in detail .

作为解决方法，您可以尝试通过 numpy.ascontiguousarray(data.T)至 gpuarray.to_gpu() .当然，这将在主机 RAM 中创建数据的第二个副本。