Use la antorcha para instalar CuPy para acelerar numpy (np) en CUDA (gpu).

prefacio

El nombre del título es muy extraño, no importa, enfócate en el contenido.

La instalación normal de CupPy requiere una configuración del entorno CUDA más compleja, puede consultar el artículo - Configuración del entorno CUDA .

Si cree que es demasiado problemático ir al sitio web oficial para instalar CUDA Toolkit, entonces podemos usar cudatookit de pyotch para garantizar el funcionamiento normal de Cupy.

texto

1. El
   sitio web oficial de CuPy proporciona instrucciones de instalación detalladas, pero debe instalar manualmente el kit de herramientas CUDA, lo que puede ser difícil si no lo ha practicado.
   El sitio web oficial da el comando de instalación correspondiente a la versión correspondiente:
   
   mi computadora es 11.1, así que ejecute el siguiente comando aquí

pip install cupy-cuda111

Definitivamente no funcionará ejecutarlo directamente después de la instalación, y se informará un error:

Failed to import CuPy.

If you installed CuPy via wheels (cupy-cudaXXX or cupy-rocm-X-X), make sure that the package matches with the version of CUDA or ROCm installed.

On Linux, you may need to set LD_LIBRARY_PATH environment variable depending on how you installed CUDA/ROCm.
On Windows, try setting CUDA_PATH environment variable.

Check the Installation Guide for details:
  https://docs.cupy.dev/en/latest/install.html

Original error:
  ImportError: DLL load failed while importing runtime: 找不到指定的模块。

El significado es muy claro, es decir, no has instalado cuda, o no has especificado la variable de entorno de CUDA_PATH.

2. Si instala el kit de herramientas cuda de pytorch, encontrará que puede usar cuda para acelerar, entonces, ¿por qué no puede cupy?
   Debido a que el kit de herramientas cuda instalado en el sitio web oficial de pytorch no es el kit de herramientas CUDA instalado en el sitio web oficial, son diferentes.
   El cudatoolkit instalado en el sitio web oficial de pytorch son algunos programas CUDA compilados.Cuando hay controladores compatibles en el sistema, estos programas se pueden ejecutar directamente. La instalación de pytorch también instalará cudatoolkit, y la operación de GPU de pytorch depende directamente de cudatoolkit, por lo que puede usar pytorch para el aprendizaje profundo sin instalar CUDA Toolkit.

3. Para aquellos de nosotros que nos gusta ser perezosos, debemos optar por instalar cudatoolkit de pytorch.Después de todo, una línea de comandos está instalada.
   Para la instalación de pytorch y cuda, puede consultar mi otro artículo: pytorch+cuda, varias versiones anteriores de cuda, completado en dos pasos

4. Después de instalar cudatoolkit de pytorch, cómo hacer que CuPy se ejecute en cudatoolkit es muy fácil, ¡ simplemente importe torch primero!

Déjame mostrarte la imagen a continuación. Aunque todavía hay una advertencia, se puede usar normalmente.

en conclusión

1. Primero instale pytorch y cudatoolkit, puede consultar pytorch+cuda, varias versiones anteriores de cuda, dos pasos para completar
2. Instale cupy, también puede encontrar la versión cuda a través del artículo anterior, y luego pip install cupy-cuda???(??? es la versión)
3. Solo recuerda importar antorcha antes de importar cupy.

import torch
import cupy

Entonces puedes usar cupy.

4. puedo usar

a = cupy.array([1,2])
print(a.device)

Verifique si la importación es exitosa, si es exitosa, es exitosa, si no, vaya al sitio web oficial para instalar CUDA Toolkit.