- 综合排序
- 最热优先
- 最新优先
- 来自专栏GPUS开发者
系列报道——PyOpenCL介绍
我会用 PyOpenCL - a neat Python module written by Andreas Klöckner. 请安装 PyOpenCL 和 NumPy - 你已经准备好了l! In [1]: import pyopencl as cl import numpy asnp Trivial example Suppose we want to create an array Out[3]: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15], dtype=int32) but our PyOpenCL I haven't seen much in the way of using PyOpenCL and IPython together, so would be very grateful for
2.8K70发布于 2018-03-30 - 来自专栏Python小屋
Python使用pyopencl在GPU上并行处理批量判断素数
扩展库pyopencl使得可以在Python中调用OpenCL的并行计算API。 import numpy as np import pyopencl as cl import pyopencl.array from pyopencl.elementwise import ElementwiseKernel
2.3K80发布于 2018-04-16 - 来自专栏流川疯编写程序的艺术
OpenCL异构计算资料收集
mod=viewthread&tid=16571 如果你对python熟，可以用 PyOpenCL, 兼顾 host 端的简洁与 device 端的高效。 /usr/bin/env python import numpy as np import pyopencl as cl a_np = np.random.rand(50000).astype
1K10发布于 2019-01-18 - 来自专栏Python无止境
一份可以令 Python 变快的工具清单
3.GPULib、PyStream、PyCUDA和PyOpenCL 这四个都是用在图像处理单元来实现代码的加速。前面讲的都是用代码优化来实现加速的。 如果用GPU加速自己的代码，可以用PyCUDA和PyOpenCL。 4.Pyrex、Cython、Numba和Shedskin 这四个项目都致力于将Python代码翻译为C、C++和LLVM的代码。
1.4K11发布于 2019-12-05 - 来自专栏sktj
python pycuda进行GPU编程(并行编程 38)
类似的框架还有：numbapy pyopencl CPU v.s. GPU ?
2.9K40发布于 2019-07-30 - 来自专栏Python小屋
Python使用两个Event对象同步生产者消费者问题
BoundedSemaphore对象进行线程同步 Python使用Queue对象实现多线程同步小案例 Python使用Condition对象实现多线程同步 Python多线程编程中daemon属性的作用 Python使用pyopencl
69230发布于 2018-07-23 - 来自专栏我爱计算机视觉
一键抠图，毛发毕现：这个GitHub项目助你快速PS
1.16.0 pillow>=5.2.0 numba>=0.47.0 scipy>=1.1.0 由于项目需要 GPU，因此也需要 GPU 相关支持： cupy-cuda90>=6.5.0 or similar pyopencl
2.3K41发布于 2020-02-21 - 来自专栏IT派
数据科学家必备的工具与语言包
PyOpenCL – 在图形显卡上进行数值计算和统计处理。 5 数据清洗工具 ODO – 在不同数据格式间进行转换的Python库。
1.5K80发布于 2018-03-29 - 来自专栏机器之心
一键抠图，毛发毕现：这个GitHub项目助你快速PS
1.16.0 pillow>=5.2.0 numba>=0.47.0 scipy>=1.1.0 由于项目需要 GPU，因此也需要 GPU 相关支持： cupy-cuda90>=6.5.0 or similar pyopencl
1.2K31发布于 2020-02-24 - 来自专栏华章科技
一位数据科学家的私房工具清单
PyOpenCL – 在图形显卡上进行数值计算和统计处理。 5 数据清洗工具 ODO – 在不同数据格式间进行转换的Python库。
98020发布于 2018-08-16 - 来自专栏计算机视觉战队
小型深度学习框架 | TinyGrad，不到1K行代码（附代码下载）
y) data out = model.forward(x)loss = out.mul(y).mean()loss.backward()optim.step() 支持 GPUtinygrad 通过 PyOpenCL
1.5K10编辑于 2022-03-04 - 来自专栏Dechin的专栏
Cython编译报错“numpy/arrayobject.h: No such file or directory”解决方案
Required-by: bitshuffle, fabio, h5py, matplotlib, mindinsight, mindspore, mindspore-serving, pandas, pyopencl
67210编辑于 2024-06-27 - 来自专栏深度学习技术前沿
不到1000行代码，GitHub 1400星，天才黑客开源深度学习框架tinygrad
data out = model.forward(x) loss = out.mul(y).mean() loss.backward() optim.step() 支持 GPU tinygrad 通过 PyOpenCL
82740发布于 2020-12-01 - 来自专栏机器之心
不到1000行代码，GitHub 1400星，天才黑客开源深度学习框架tinygrad
data out = model.forward(x) loss = out.mul(y).mean() loss.backward() optim.step() 支持 GPU tinygrad 通过 PyOpenCL
75940发布于 2020-12-03 - 来自专栏人工智能头条
【CTO讲堂】如何用Python一门语言通吃高性能并发、GPU计算和深度学习
以我们为例，我们利用PyOpenCl将日志中用户的验证行为进行特征计算。计算流程中上下文的创建、任务队列的创建以及缓冲区的控制都通过Python来控制，kernel部分由C写。 这里面相对麻烦一点的是缓冲区的问题，因为cpu和gpu是两套独立的内存，数据要拷贝才能进行计算，这部分代码PyOpenCl封装的比较好，借用了NumPy的数据类型，操作起来会比用C写方便很多。
71430发布于 2018-06-06 - 来自专栏PPV课数据科学社区
如何用Python一门语言通吃高性能并发、GPU计算和深度学习
以我们为例，我们利用PyOpenCl将日志中用户的验证行为进行特征计算。计算流程中上下文的创建、任务队列的创建以及缓冲区的控制都通过Python来控制，kernel部分由C写。 这里面相对麻烦一点的是缓冲区的问题，因为cpu和gpu是两套独立的内存，数据要拷贝才能进行计算，这部分代码PyOpenCl封装的比较好，借用了NumPy的数据类型，操作起来会比用C写方便很多。
1.8K70发布于 2018-04-23 - 来自专栏机器之心
同态加密算力开销如何弥补？港科大等提出基于FPGA实现的同态加密算法硬件加速方案
我们使用 PyOpenCL API 将 FPGA 硬件加速功能集成为单一模块，嵌入到 FATE 中执行加密运算。
1.8K61发布于 2021-08-06 - 来自专栏python3
Python--import---语法-
PyOpenCL OpenCL的Python接口，通过该模块可以使用GPU实现并行计算。
1.1K20发布于 2020-01-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号