【发布时间】：2012-07-20 08:54:09
【问题描述】：
Numpy 可以针对不同的 BLAS 实现（MKL、ACML、ATLAS、GotoBlas 等）“链接/编译”。这并不总是很容易配置，但它是可能的。
是否也可以针对 NVIDIA 的 CUBLAS 实现“链接/编译”numpy？
我在网络上找不到任何资源，在我花太多时间尝试之前，我想确保它完全可行。
【问题讨论】：
【发布时间】：2012-07-20 08:54:09
【问题描述】：
一句话：不，你不能那样做。
有一个相当不错的 scikit 提供从 scipy 访问 CUBLAS 的功能，称为 scikits.cuda，它建立在 PyCUDA 之上。 PyCUDA 提供了一个类似numpy.ndarray 的类，它允许使用 CUDA 无缝地操作 GPU 内存中的 numpy 数组。所以你可以将 CUBLAS 和 CUDA 与 numpy 一起使用，但你不能仅仅链接到 CUBLAS 并期望它能够工作。
还有一个商业库，它提供类似 numpy 和 cublas 的功能，并具有 Python 接口或绑定，但我将把它留给他们的一个工人来填补。
【讨论】：
-
感谢您的信息。我知道允许访问 CUDA 的各种 Python 库。但是，如果我可以将 Numpy 配置为使用 Cublas，我就不必更改现有代码中的任何内容（目前它使用
numpy.dot()和其他带有 MKL 或 GotoBlas2 的 Linealg 函数）并且我可以进行性能比较。只是出于好奇：您是否偶然知道为什么无法将 numpy 与 CUBLAS 链接起来的技术原因是什么？ -
这是因为 API 不一样，还有一整层内存管理，标准的 blas 应用程序一无所知。
-
这可能会改变情况：devblogs.nvidia.com/parallelforall/… 虽然这适用于 octave，但它也应该适用于 Numpy
-
cupy.chainer.org 是否比您回答中的内容更好？
这是另一种可能性：
http://www.cs.toronto.edu/~tijmen/gnumpy.html
这基本上是一个 gnumpy + cudamat 环境，可用于利用 GPU。同样的代码也可以在没有 gpu 的情况下使用 npmat 运行。请参阅上面的链接以下载所有这些文件。
【讨论】：