cupy/cupy 源：https://github.com/cupy/cupy

CuPy : GPU上的NumPy和SciPy

PyPI | Conda | GitHub 许可证 | Matrix | Twitter | Medium

网站 | 安装 | 教程 | 示例 | 文档 | API 参考 | 论坛

CuPy 是一个兼容 NumPy/SciPy 的数组库，用于 Python 中的 GPU 加速计算。CuPy 可作为即插即用替代品（文档），在 NVIDIA CUDA 或 AMD ROCm 平台上运行已有的 NumPy/SciPy 代码。

>>> import cupy as cp
>>> x = cp.arange(6).reshape(2, 3).astype('f')
>>> x
array([[ 0.,  1.,  2.],
       [ 3.,  4.,  5.]], dtype=float32)
>>> x.sum(axis=1)
array([ 3., 12.], dtype=float32)

CuPy 还提供对底层 CUDA 功能的访问。您可以通过 RawKernels（文档）将 ndarray 传递给现有的 CUDA C/C++ 程序，使用 Streams（文档）来提升性能，甚至直接调用 CUDA 运行时 API（文档）。

安装

Pip

PyPI 上提供了适用于 Linux 和 Windows 的二进制包（轮子）。请为您的平台选择合适的包。

[!注意]
要安装预发布版本，请在命令后添加 --pre -U -f https://pip.cupy.dev/pre（例如 pip install cupy-cuda12x --pre -U -f https://pip.cupy.dev/pre）。

Conda

Conda-Forge（链接）上也提供了适用于 Linux 和 Windows 的二进制包。

如果您需要精简安装（不附带 CUDA 依赖项），可以执行 conda install -c conda-forge cupy-core。如果您需要使用特定 CUDA 版本（例如 12.0），可以使用 cuda-version 元包来选择版本，例如 conda install -c conda-forge cupy cuda-version=12.0。

[!注意]
如果您在使用通过 conda-forge 安装的 CuPy 时遇到任何问题，请前往 cupy-feedstock（链接）报告，我们将帮助调查这只是 conda-forge 配方中的打包问题，还是 CuPy 本身的问题。

Docker

使用 NVIDIA Container Toolkit（文档）运行 CuPy 容器镜像（链接）。

$ docker run --gpus all -it cupy/cupy

资源

• 安装指南 - 从源码构建的说明
• 发布说明
• 使用 CuPy 的项目
• 贡献指南
• 使用 CuPy 和 Numba 进行 Python GPU 加速（GTC 2021 年 11 月技术会议）
• [使用 CuPy 和 cuSignal¹ 加速信号处理工作流（ICASSP’21 教程）](https://github.com/awthomp/cusignal-icassp-tutorial)

许可证

MIT 许可证（参见 LICENSE 文件）。

CuPy 基于 NumPy 和 SciPy 的 API 设计（参见 docs/source/license.rst 文件）。

CuPy 由 Preferred Networks（链接）和社区贡献者（链接）开发维护。

参考文献

Ryosuke Okuta, Yuya Unno, Daisuke Nishino, Shohei Hido and Crissman Loomis. CuPy: A NumPy-Compatible Library for NVIDIA GPU Calculations. Proceedings of Workshop on Machine Learning Systems (LearningSys) in The Thirty-first Annual Conference on Neural Information Processing Systems (NIPS), (2017). PDF

@inproceedings{cupy_learningsys2017,
  author = "Okuta, Ryosuke and Unno, Yuya and Nishino, Daisuke and Hido, Shohei and Loomis, Crissman",
  title = "CuPy: A NumPy-Compatible Library for NVIDIA GPU Calculations",
  booktitle = "Proceedings of Workshop on Machine Learning Systems (LearningSys) in The Thirty-first Annual Conference on Neural Information Processing Systems (NIPS)",
  year = "2017",
  url = "http://learningsys.org/nips17/assets/papers/paper_16.pdf"
}