编辑:
很抱歉,事实证明,在我进行测试时,我的GPU上运行了其他进程,我在空闲的GPU上更新了计时结果,对于较大的矩阵,加速变得明显。
原始帖子:
如本问题中所述,L
是矩阵列表,其中每个项M
是x*n
矩阵(x
是变量,n
是固定的)。
我想像下面的Python代码那样计算L
中所有项的M'*M
之和(M'
是M
的转置)。
for M in L:
res += np.dot(M.T, M)
以下是Numpy和Theano实现的一些示例(有关可执行脚本,请参阅@DanielRenshaw对上一个问题的回答)。
def numpy_version1(*L):
n = L[0].shape[1]
res = np.zeros((n, n), dtype=L[0].dtype)
for M in L:
res += np.dot(M.T, M)
return res
def compile_theano_version1(number_of_matrices, n, dtype):
L = [tt.matrix() for _ in xrange(number_of_matrices)]
res = tt.zeros(n, dtype=dtype)
for M in L:
res += tt.dot(M.T, M)
return theano.function(L, res)
def compile_theano_version2(number_of_matrices, n):
L = theano.typed_list.TypedListType(tt.TensorType(theano.config.floatX, broadcastable=(None, None)))()
res, _ = theano.reduce(fn=lambda i, tmp: tmp+tt.dot(L[i].T, L[i]),
outputs_info=tt.zeros((n, n), dtype=theano.config.floatX),
sequences=[theano.tensor.arange(number_of_matrices, dtype='int64')])
return theano.function([L], res)
我在CPU上运行了Numpy版本,在GPU上运行了不同设置的Theano版本,似乎Theano版本总是按比例比Numpy版本慢(无论场景的数量和大小)。
但我预计GPU可能会有一些优化,因为这是一个简单的reduce操作。
有人能帮我了解引擎盖下面发生了什么吗?
编辑:
以下是生成数据的脚本(来自@DanielRenshaw)、我厌倦的设置和结果。
L = [np.random.standard_normal(size=(x, n)).astype(dtype)
for x in range(min_x, number_of_matrices + min_x)]
dtype = 'float32'
theano.config.floatX = dtype
iteration_count = 10
min_x = 20
# base case:
# numpy_version1 0.100589990616
# theano_version1 0.243968963623
# theano_version2 0.198153018951
number_of_matrices = 200
n = 100
# increase matrix size:
# numpy_version1 4.90120816231
# theano_version1 0.984472036362
# theano_version2 3.56008815765
number_of_matrices = 200
n = 1000
# increase number of matrices:
# numpy_version1 5.11445093155
# theano_version1 compilation error
# theano_version2 6.54448604584
number_of_matrices = 2000
n = 100
问题不在于矩阵的个数,而在于矩阵的大小。
您的测试示例创建了大小取决于矩阵数量的矩阵,因此,矩阵越多,矩阵就越大,但python循环开销也越大(在reduce操作中),因此,更难检测速度的提高。
我已经修改了你的矩阵生成,以便进行一些新的测试:
S = 1000 # Size of the matrices
N = 10 # Number of matrices
L = [np.random.standard_normal(size=(np.random.randint(S//2, S*2), S)).astype(np.float32) for _ in range(N)]
这仅生成大小为(x, 1000)
的10个矩阵,其中x
是[S//2, S*2] == [500, 2000]
范围内的某个值。
f1 = compile_theano_version1(N, S, np.float32)
f2 = compile_theano_version2(N, S)
- 现在用
N = 10
大矩阵进行一些测试:
对于S = 1000
、N = 10
:
%timeit numpy_version1(*L) # 10 loops, best of 3: 131 ms per loop
%timeit f1(*L) # 10 loops, best of 3: 37.3 ms per loop
%timeit f2(L) # 10 loops, best of 3: 68.7 ms per loop
在笔记本电脑中,所有功能都有一个x4
和x2
加速,有一个非常好的i7
和一个不错的NVIDIA 860M(这意味着你应该在这里得到一些更好的加速)。
对于S = 5000
,N = 10
:
%timeit numpy_version1(*L) # 1 loops, best of 3: 4 s per loop
%timeit f1(*L) # 1 loops, best of 3: 907 ms per loop
%timeit f2(L) # 1 loops, best of 3: 1.77 s per loop
因此,总的来说,在这种设置下,S
越大,CPU的加速就越大。
N = 100
大矩阵的一些测试:结果似乎更快
对于S = 1000
、N = 100
:
%timeit numpy_version1(*L) # 1 loops, best of 3: 1.46 s per loop
%timeit f1(*L) # 1 loops, best of 3: 408 ms per loop
%timeit f2(L) # 1 loops, best of 3: 724 s per loop
对于S = 2000
,N = 100
:
%timeit numpy_version1(*L) # 1 loops, best of 3: 11.3 s per loop
%timeit f1(*L) # 1 loops, best of 3: 2.72 s per loop
%timeit f2(L) # 1 loops, best of 3: 4.01 s per loop
- 使用
N = 100
小矩阵进行测试:numpy似乎更快
对于S = 50
、N = 100
:
%timeit numpy_version1(*L) # 100 loops, best of 3: 1.17 ms per loop
%timeit f1(*L) # 100 loops, best of 3: 4.21 ms per loop
%timeit f2(L) # 100 loops, best of 3: 7.42 ms per loop
测试规范:
- 处理器:i7 4710HQ
- GPU:NVIDIA GeForce GTX 860M
- Numpy:使用英特尔MKT构建的1.10.2版本
- Theano:版本0.70;floatX=float32;使用GPU