如何在cupy中使用多个gpus？

Question

我正在尝试在CUPY中使用多个GPU并行化多个矩阵乘法。

Cupy加速矩阵乘法(例如$A\times B$)。我想知道我是否有四个方阵A，B，C，D。我想在两个不同的本地GPU上计算AB和CD。如何在CUPY中完成此操作？

例如，在tensorflow中，

for i in xrange(FLAGS.num_gpus):
  with tf.device('/gpu:%d' % i):

在CUPY中也有类似的方法吗？关于Cupy的事情是，它直接执行代码，所以它不能运行下一行(例如$C\times D$)，直到当前行结束(例如$A\times B$)。

谢谢Tos的帮助。现在新的问题是，假设我有10个这样的矩阵对存储在两个3Dnumpy数组中(比如说?**10)。我如何写一个循环来存储乘法的结果？

anumpy #size(1e5,1e5,10)
bnumpy #size(1e5,1e5,10)

for i in range(10):
   #say I have 3 gpus
   with cupy.cuda.Device(i % 3):
      a = cupy.array(anumpy[:,:,i])
      b = cupy.array(bnumpy[:,:,i])
      ab[:,:,math.floor(i/3)] = a @ b

我如何在不同的设备中组合这3个ab？我可以在不同的GPU中使用相同名称的阵列吗？

Answer 1

使用with cupy.cuda.Device(i)，避免阻塞操作。例如，要计算CPU数组对的matmul，在调用所有matmul操作之后，将结果发送到CPU (cupy.asnumpy)。

a = cupy.array(a)
b = cupy.array(b)
ab = a @ b
# ab = cupy.asnumpy(ab)  # not here
with cupy.cuda.Device(1):
    c = cupy.array(c)
    d = cupy.array(d)
    cd = c @ d
    cd = cupy.asnumpy(cd)
ab = cupy.asnumpy(ab)

Answer 2

在大多数操作中，CuPy不会同步设备执行。像A.dot(B)这样的代码在设备上启动矩阵乘积后立即返回，而不等待设备端操作本身，因此如果操作足够重(例如矩阵很大)，则计算实际上与另一个设备上的第二个矩阵乘积重叠。

Answer 3

我不是100%确定我是否正确理解了这个问题，但我猜可能是这样的：

def my_cal(gpu_id, anumpy, bnumpy):
  a = None
  b = None
  ab = None

  with cupy.cuda.Device(gpu_id):
    for i in range(10):
        a = cupy.array(anumpy[:,:,i])
        b = cupy.array(bnumpy[:,:,i])
        ab[:,:,math.floor(i/3)] = a @ b
  return cupy.asnumpy(ab)


np_ab0 = my_cal(0, anumpy, bnumpy)
np_ab1 = my_cal(1, anumpy, bnumpy)
np_ab2 = my_cal(2, anumpy, bnumpy)