質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
86.12%
Chainer

Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

CUDA

CUDAは並列計算プラットフォームであり、Nvidia GPU(Graphics Processing Units)向けのプログラミングモデルです。CUDAは様々なプログラミング言語、ライブラリ、APIを通してNvidiaにインターフェイスを提供します。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

解決済

cupyでforループの途中にいきなり計算速度が遅くなる

ryuryumu
ryuryumu

総合スコア10

Chainer

Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

CUDA

CUDAは並列計算プラットフォームであり、Nvidia GPU(Graphics Processing Units)向けのプログラミングモデルです。CUDAは様々なプログラミング言語、ライブラリ、APIを通してNvidiaにインターフェイスを提供します。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

1回答

0リアクション

0クリップ

615閲覧

投稿2022/01/18 07:38

編集2022/01/19 07:11

google colaboratoryにてcupyを使用した計算を行っているのですが、forループを実行していると、ある回数を超えると数式の実行速度が0.1~0.5ms程度から10msほどに低下します。
メモリ不足かと思ったのですが、GPUメモリは宣言した行列に比べて余裕があります。
なぜ実行速度が低下してしまうのでしょうか。
実行環境とコードは以下となります。
他に必要な情報等ございましたらご返信ください。
どうぞよろしくお願いいたします。

kankyou

OS : Ubuntu 18.04.5 LTS CPU: Intel(R) Xeon(R) CPU @ 2.20GHz 2コア Mem: 12GB GPU: Tesla P100-PCIE 16GB

python

import time import cupy as cp cdot = cp.dot cdiff = cp.diff cmultiply = cp.multiply csubtract = cp.subtract cfloat32 = cp.float32 cfloat64 = cp.float64 ccopy = cp.copy cadd = cp.add a = 1500 b = 1000 c = a*b d = a/b e = 0.001 x = 10000 y = 10000 print(x,y) avet = 0 t1 = 0 t2 = 0 time1 = 0 N = 1000 DIFF = cp.ones((x+1,y+1),dtype=cfloat32) ANS = cp.zeros((x+1,y+1),dtype=cfloat32) coef1 = cp.zeros((x+1,y),dtype=cfloat32) coef2 = cp.zeros((x+1,y),dtype=cfloat32) coef1 = (a*c*e) + coef1 coef2 = (b*d*e) + coef2 for loop in range(N): t1 = time.time() ANS[:,0:y] = cadd(cmultiply(cdiff(DIFF,n=1,axis=1),coef1),\ cmultiply(cdiff(DIFF,n=1,axis=1),coef2),out=ANS[:,0:y]) ANS[:,0:1] = 0.0 ANS[:,y:y+1] = 0.0 t2 = time.time() print(t2-t1) time1 += t2-t1 avet = time1 / N print(avet)```

以下のような質問にはリアクションをつけましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

リアクションが多い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

下記のような質問は推奨されていません。

  • 間違っている
  • 質問になっていない投稿
  • スパムや攻撃的な表現を用いた投稿

適切な質問に修正を依頼しましょう。

まだ回答がついていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
86.12%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

Chainer

Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

CUDA

CUDAは並列計算プラットフォームであり、Nvidia GPU(Graphics Processing Units)向けのプログラミングモデルです。CUDAは様々なプログラミング言語、ライブラリ、APIを通してNvidiaにインターフェイスを提供します。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。