我应该如何代替在CuPy中使用CuPy呢？

Question

如何将定义的函数应用于cupy.array而不是np.vectorize？类似的功能在cupy中已经实现了吗？

我正在用Python3.6.9编写模拟程序。

我想用GPU(GTX1060，NVIDIA)和CuPy(6.0.0 for CUDA10.1)进行仿真。

在原始代码中，函数numpy.vectorize用于将定义的函数应用于np.array。但是，相同的函数还没有在CuPy中实现。

原始代码(使用numpy)如下：

#For define function
def rate(tmean,x,y,z):
    rate = 1/z/(1 + math.exp(-x*(tmean-y)))
    #DVR<0
    if rate < 0:
        rate = 0
    return rate

#tmean is temperature data(365,100,100) and loaded as np.array
#paras is parameter(3,100,100)
#vectorized
f = np.vectorize(rate)
#roop
for i in range(365):
    #calc developing rate(by function "rate") and accumulate
    dvi[i,:,:] = dvi[i-1,:,:] + f(tmean[i,:,:],paras[0],paras[1],paras[2])

我知道numpy的几乎所有函数都是用CuPy实现的。所以我改变了

f = np.vectorized(rate) 

至

f= cp.vectorized(rate)

但发生了AttributeError。

Answer 1

GPU不能并行处理任意Python代码。在与NumPy兼容的操作中编写所有内容，如

def rate_(xp, tmean,x,y,z):
    rate = 1/z/(1 + xp.exp(-x*(tmean-y)))
    rate[rate < 0] = 0
    return rate

f = functools.partial(rate_, xp=cupy)

为了加快速度，您可以使用cupy.ElementwiseKernel (https://docs-cupy.chainer.org/en/stable/tutorial/kernel.html)，它为向量化操作创建一个内核。

f = cupy.ElementwiseKernel(
    'T tmean, T x, T y, T z',
    'T rate',
    '''
    rate = 1/z/(1 + exp(-x*(tmean-y)));
    // DVR<0
    if (rate < 0) {
        rate = 0;
    }
    '''
)

要从Python代码中创建内核，请尝试cupy.fuse。

@cupy.fuse()
def f(tmean,x,y,z):
    rate = 1/z/(1 + cupy.exp(-x*(tmean-y)))
    return cupy.where(rate < 0, 0, rate)  # __setitem__ is not fully supported