CuPy
From Wikipedia, the free encyclopedia
| 開発元 | Preferred Networks[1] |
|---|---|
| 初版 | 2015年9月2日[2] |
| 最新版 |
v13.4.1
/ 2025年3月21日[3] |
| リポジトリ | cupy - GitHub |
| プログラミング 言語 | Python, Cython, C++ |
| プラットフォーム | NVIDIA GPU, AMD GPU |
| 種別 | 数値計算 |
| ライセンス | MITライセンス |
| 公式サイト |
cupy |
CuPyは、PythonでのGPUを使用した数値計算のためのオープンソースライブラリである。多次元配列、疎行列、それらを基盤としたさまざまな数値計算アルゴリズムに対応している[4]。CuPyはNumPyおよびSciPyと同じAPIセットを共有しており、NumPyやSciPyのコードをGPU上で実行するために置き換えて使用できる。CuPyはNVIDIA CUDAとAMDのROCmに対応している[5][6]。
CuPyは当初、ディープラーニングフレームワークのChainerのバックエンドとして開発され、2017年に独立したプロジェクトとなった[7]。
配列作成
>>> import cupy as cp
>>> x = cp.array([1, 2, 3])
>>> x
array([1, 2, 3])
>>> y = cp.arange(10)
>>> y
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
基本的操作
>>> import cupy as cp
>>> x = cp.arange(12).reshape(3, 4).astype(cp.float32)
>>> x
array([[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.]], dtype=float32)
>>> x.sum(axis=1)
array([ 6., 22., 38.], dtype=float32)
生の CUDA C++ カーネル
import cupy as cp
multiply_elementwise = cp.RawKernel(r'''
extern "C" __global__
void multiply_elementwise(const float A[4][4], const float B[4][4], float C[4][4]) {
int y = threadIdx.y + blockIdx.y * blockDim.y;
int x = threadIdx.x + blockIdx.x * blockDim.x;
C[y][x] = A[y][x] * B[y][x];
}
''', 'multiply_elementwise')
A = cp.arange(4 * 4, dtype=cp.float32).reshape(4, 4)
B = A
C = cp.zeros(A.shape, dtype=cp.float32)
multiply_elementwise((1, 1), A.shape, (A, B, C)) # ブロック数, ブロックあたりのスレッド数, 引数
print(C) # C = A * B
上記の例はCUDAカーネルのC++の部分をPythonで書くことも出来る。
from cupyx import jit
@jit.rawkernel()
def multiply_elementwise(A, B, C):
y, x = jit.grid(2)
C[y, x] = A[y, x] * B[y, x]