使用 numba 无法获得与 numpy 元素矩阵乘法相同的值
Posted
技术标签:
【中文标题】使用 numba 无法获得与 numpy 元素矩阵乘法相同的值【英文标题】:Can't get same values as numpy elementwise matrix multiplication using numba 【发布时间】:2018-03-22 18:01:20 【问题描述】:我一直在玩 numba 并尝试实现一个简单的元素矩阵乘法。使用“vectorize”时,我得到与 numpy 乘法相同的结果,但当我使用“cuda.jit”时,它们不一样。其中许多是零。为此,我提供了一个最低限度的工作示例。任何有关该问题的帮助将不胜感激。我正在使用 numba o.35.0 和 python 2.7
from __future__ import division
from __future__ import print_function
import numpy as np
from numba import vectorize, cuda, jit
M = 80
N = 40
P = 40
# Set the number of threads in a block
threadsperblock = 32
# Calculate the number of thread blocks in the grid
blockspergrid = (M*N*P + (threadsperblock - 1)) // threadsperblock
@vectorize(['float32(float32,float32)'], target='cuda')
def VectorMult3d(a, b):
return a*b
@cuda.jit('void(float32[:, :, :], float32[:, :, :], float32[:, :, :])')
def mult_gpu_3d(a, b, c):
[x, y, z] = cuda.grid(3)
if x < c.shape[0] and y < c.shape[1] and z < c.shape[2]:
c[x, y, z] = a[x, y, z] * b[x, y, z]
if __name__ == '__main__':
A = np.random.normal(size=(M, N, P)).astype(np.float32)
B = np.random.normal(size=(M, N, P)).astype(np.float32)
numpy_C = A*B
A_gpu = cuda.to_device(A)
B_gpu = cuda.to_device(B)
C_gpu = cuda.device_array((M,N,P), dtype=np.float32) # cuda.device_array_like(A_gpu)
mult_gpu_3d[blockspergrid,threadsperblock](A_gpu,B_gpu,C_gpu)
cudajit_C = C_gpu.copy_to_host()
print('------- using cuda.jit -------')
print('Is close?: '.format(np.allclose(numpy_C,cudajit_C)))
print(' of elements are close'.format(np.sum(np.isclose(numpy_C,cudajit_C)), M*N*P))
print('------- using cuda.jit -------\n')
vectorize_C_gpu = VectorMult3d(A_gpu, B_gpu)
vectorize_C = vectorize_C_gpu.copy_to_host()
print('------- using vectorize -------')
print('Is close?: '.format(np.allclose(numpy_C,vectorize_C)))
print(' of elements are close'.format(np.sum(np.isclose(numpy_C,vectorize_C)), M*N*P))
print('------- using vectorize -------\n')
import numba; print("numba version: "+numba.__version__)
【问题讨论】:
【参考方案1】:您可以通过以下方式进行调试。
考虑一个更小、更简化的示例:
减少了数组大小,例如(2, 3, 1)(这样您就可以实际打印这些值并能够读取它们) 简单且确定性的内容,例如“所有的”(在运行中进行比较) 用于调试的其他内核参数from __future__ import (division, print_function)
import numpy as np
from numba import cuda
M = 2
N = 3
P = 1
threadsperblock = 1
blockspergrid = (M * N * P + (threadsperblock - 1)) // threadsperblock
@cuda.jit
def mult_gpu_3d(a, b, c, grid_ran, grid_multed):
grid = cuda.grid(3)
x, y, z = grid
grid_ran[x] = 1
if (x < c.shape[0]) and (y < c.shape[1]) and (z < c.shape[2]):
grid_multed[x] = 1
c[grid] = a[grid] * b[grid]
if __name__ == '__main__':
A = np.ones((M, N, P), np.int32)
B = np.ones((M, N, P), np.int32)
A_gpu = cuda.to_device(A)
B_gpu = cuda.to_device(B)
C_gpu = cuda.to_device(np.zeros_like(A))
# Tells whether thread at index i have ran
grid_ran = cuda.to_device(np.zeros([blockspergrid], np.int32))
# Tells whether thread at index i have performed multiplication
grid_multed = cuda.to_device(np.zeros(blockspergrid, np.int32))
mult_gpu_3d[blockspergrid, threadsperblock](
A_gpu, B_gpu, C_gpu, grid_ran, grid_multed)
print("grid_ran.shape : ", grid_ran.shape)
print("grid_multed.shape : ", grid_multed.shape)
print("C_gpu.shape : ", C_gpu.shape)
print("grid_ran : ", grid_ran.copy_to_host())
print("grid_multed : ", grid_multed.copy_to_host())
C = C_gpu.copy_to_host()
print("C transpose flat : ", C.T.flatten())
print("C : \n", C)
输出:
grid_ran.shape : (6,)
grid_multed.shape : (6,)
C_gpu.shape : (2, 3, 1)
grid_ran : [1 1 1 1 1 1]
grid_multed : [1 1 0 0 0 0]
C transpose flat : [1 1 0 0 0 0]
C :
[[[1]
[0]
[0]]
[[1]
[0]
[0]]]
可以看到设备网格形状与数组的形状不对应:网格是平面的(M*N*P)
,而数组都是3维的(M, N, P)
。也就是说,网格的第一个维度的索引范围为0..M*N*P-1
(0..5
,在我的示例中总共有 6 个值),而数组的第一个维度仅在0..M-1
(0..1
,在我的示例中总共有 2 个值)例子)。这个错误通常会导致越界访问,但是你已经用一个条件来保护你的内核,从而减少了有问题的线程:
if (x <= c.shape[0])
该行不允许索引高于M-1
(在我的示例中为1
)的线程运行(嗯,有点[1]),这就是为什么没有写入任何值并且结果中会出现许多零的原因数组。
可能的解决方案:
通常,您可以使用多维内核网格配置,即blockspergrid
的 3D 向量而不是标量 [2]。
特别是,由于元素乘法是一种映射操作并且不依赖于数组形状,您可以将所有 3 个数组展平为 1D 数组,在 1D 网格上按原样运行内核,然后将结果重新整形 [3],[ 4]。
参考资料:
[1]How to understand “All threads in a warp execute the same instruction at the same time.” in GPU? [2]Understanding CUDA grid dimensions, block dimensions and threads organization (simple explanation) [3]numpy.ndarray.flatten
[4]numpy.ravel
【讨论】:
非常感谢。你的解释很清楚。我接受了使用多维内核网格配置的建议。像下面的东西。threadsperblock = (4, 4, 4); blockspergrid_x = np.int(np.ceil(M / threadsperblock[0]))
同样设置 blockspergrid_y 和 blockspergrid_z 然后blockspergrid = (blockspergrid_x, blockspergrid_y, blockspergrid_z)
。最后用blockspergrid
和threadsperblock
调用mult_gpu_3d
。你提供的参考资料也很棒!!再次感谢。以上是关于使用 numba 无法获得与 numpy 元素矩阵乘法相同的值的主要内容,如果未能解决你的问题,请参考以下文章
比较 Python、Numpy、Numba 和 C++ 的矩阵乘法
Python numpy:无法将 datetime64[ns] 转换为 datetime64[D](与 Numba 一起使用)