如何使用 GPU 获得更快的运行时间？

Posted 2023-03-16

【中文标题】如何使用 GPU 获得更快的运行时间？

【英文标题】：How to use the GPU for faster runtime?

【发布时间】：2022-01-23 22:45:51

【问题描述】：

我正在尝试实现 Arnold Cat Map 算法来加密图像。我已经做到了，但我也想在 GPU 上尝试一下，看看速度上的差异。根据我的搜索，似乎我必须使用 Numba、PyTorch、Cupy 库才能使其在 GPU 上运行。我尝试过使用 numba 和 PyTorch，但我认为我做得不对。

如果您能指导我找到解决方案，它将对我有很大帮助！

谢谢

import cv2
from numba import jit
import numpy as np
import time
import torch

def transform(img, num):

rows, cols, ch = img.shape
if (rows == cols):
    n = rows
    img2 = np.zeros([rows, cols, ch])
    for x in range(0, rows):
        for y in range(0, cols):

            img2[x][y] = img[(x+y)%n][(x+2*y)%n]
    cv2.imwrite("C:\\Users\Iani\Desktop\imagine2.jpg", img2)
    return img2

else:
    print("The image is not square.")

def run():
   img = cv2.imread('C:\\Users\Iani\Desktop\imagine.png')
   for i in range (1,26):
      img = transform(img, i)


if __name__ == "__main__":
    start = time.time()
    run()
    end = time.time()
    print("Rularea a durat 0".format(end - start))

【问题讨论】：

请编辑问题以将其限制为具有足够详细信息的特定问题，以确定适当的答案。

【参考方案1】：

无论您使用 Numba 还是 CuPy，目标都是一样的：通过并行工作来加速 NumPy 解决方案。 np.zeros 电话不会成为问题。这是所有这些单独的像素操作。你并没有真正在那里使用 NumPy。它只是一次复制一个像素。

在这种特殊情况下，您似乎需要“跨步技巧”。具体来说，我认为您需要numpy.lib.stride_tricks.as_strided(x, shape, strides, subok=False, writeable=False) 和strides，这样img2 是生成的临时视图的方形子集。查看***，我认为shape 需要是[N*3, N*2]：

然后，您可以转到 cupy.lib.stride_tricks.as_strided 以查看 CuPy 是否使其更快。

【讨论】：

抱歉，圣诞节等迟到了。我不明白：“认为形状需要是 [N*3, N*2]”。根据我的阅读，形状属性为我们提供了行数和列数。因为我的算法只适用于方形图像，所以shape属性的输入不应该是原始图像的行数和列数吗？我没有时间编写您的解决方案，但我想确保我理解您的建议。谢谢！

@NurciIani：想法是首先展开右下角的正方形，然后展开使其更大。