与numpy和cudamat在矩阵乘法中有很大不同的结果

Question

我试着用numpy和cudamat做同样的矩阵乘法。

结果完全不同。

我做错了什么？

我在用：

• Ubuntu 14.04
• 库达7.0-28
• nvidia 346.46
• 矮胖1.9.2
• Python 2.7.10
• Anaconda 2.2.0 (64位)
• cudamat (最迟于2015年6月26日发布)
• Nvidia 750

这是密码：

import numpy as np
import cudamat as cm
cm.init()

...

def distance(self, X):
      gpu_W = cm.CUDAMatrix(self.W)
      gpu_X = cm.CUDAMatrix(X)
      gpu_X2 = cm.pow(gpu_X, 2).sum(axis=1)
      gpu_W2 = cm.pow(gpu_W, 2).sum(axis=1)
      prodWX = cm.dot(gpu_W, gpu_X.T)
      prodWX = prodWX.mult((-2))

      W=self.W
      prodWXgpu=prodWX.asarray()
      prodWXcpu=-2*np.dot(W, X.T)

cm.shutdown()

研究结果如下：

​

​

两者都是二维数组。它们的形状如下：

W (14,2) X (10000，2)

它意味着每个细胞有两个增殖和一个加法。所以这不应该是因为累积误差

提前感谢

Answer 1

我发现了一个问题: cm.pow正在修改作为参数的矩阵。

为了解决这个问题，我改变了：

gpu_X2 = cm.pow(gpu_X, 2).sum(axis=1)
gpu_W2 = cm.pow(gpu_W, 2).sum(axis=1)

出自：

gpu_X2 = cm.empty (X.shape)
gpu_W2 = cm.empty (W.shape)

cm.pow(gpu_X, 2, target=gpu_X2)
gpu_X2 = gpu_X2.sum(axis=1)
cm.pow(gpu_W, 2, target=gpu_W2)
gpu_W2 = gpu_W2.sum(axis=1)