我正在考虑使用某种形式的CUDA来加快我的python代码（全部为矩阵数学）的速度。目前，我的代码使用的是Python和Numpy，因此使用PyCUDA或CudaMat之类的代码重写它似乎并不难。
但是，在我第一次尝试使用CudaMat时，我意识到我必须重新排列许多方程式才能将所有操作保留在GPU上。这包括创建许多临时变量，以便我可以存储操作结果。
我理解为什么这样做是必要的，但它使曾经易于阅读的方程式变得一团糟，很难检查其正确性。另外，我希望以后可以轻松修改方程式，但这些方程式不是经过转换的。
Theano软件包通过首先创建操作的符号表示，然后将它们编译为CUDA来实现此目的。但是，在尝试了Theano一段时间后，我对所有内容的不透明性感到沮丧。例如，仅要获取myvar.shape [0]的实际值会很困难，因为直到很晚才对树进行求值。我也更希望框架比我的代码更符合库的功能，该库在Numpy的位置上不可见。
因此，我真正想要的是简单得多的东西。我不需要自动区分（如果需要，可以使用OpenOpt等其他软件包）或优化树，而无需从标准Numpy表示法转换为CudaMat / PyCUDA / somethingCUDA。实际上，我希望能够将其评估为Numpy，而无需任何CUDA代码进行测试。
我目前正在考虑自己写这篇文章，但是在考虑进行此类冒险之前，我想看看是否有人知道类似的项目或一个好的起点。我知道唯一可能与之接近的其他项目是SymPy，但我不知道适应这个目的有多么容易。
我当前的想法是创建一个看起来像Numpy.array类的数组类。唯一的功能就是建立一棵树。任何时候，该符号数组类都可以转换为Numpy数组类并进行评估（也将是一对一的奇偶校验）。或者，可以遍历数组类并生成CudaMat命令。如果需要优化，则可以在该阶段完成优化（例如重新排序操作，创建临时变量等），而无需检查正在发生的事情。
任何想法/评论/等。在此将不胜感激！
更新资料
用例可能看起来像（其中sym是理论模块），其中我们可能正在执行诸如计算梯度的操作：
W = sym.array(np.rand(size=(numVisible, numHidden)))
delta_o = -(x - z)
delta_h = sym.dot(delta_o, W)*h*(1.0-h)
grad_W = sym.dot(X.T, delta_h)
在这种情况下，grad_W实际上只是一棵包含需要完成的操作的树。如果您想正常评估表达式（即通过Numpy），则可以执行以下操作：
npGrad_W = grad_W.asNumpy()
这将只执行树表示的Numpy命令。另一方面，如果您想使用CUDA，则可以执行以下操作：
cudaGrad_W = grad_W.asCUDA()
它将把树转换成可以通过CUDA执行的表达式（这可能以几种不同的方式发生）。
这样，它就变得不那么重要了：（1）测试grad_W.asNumpy() == grad_W.asCUDA()，以及（2）将您现有的代码转换为使用CUDA。
参考方案
您是否看过PyCUDA的GPUArray部分？
http://documen.tician.de/pycuda/array.html
虽然我自己还没有使用过它，但是看起来这正是您想要的。特别是，请查看该页面底部附近的“单遍自定义表达式评估”部分。
Python GPU资源利用 - python我有一个Python脚本在某些深度学习模型上运行推理。有什么办法可以找出GPU资源的利用率水平？例如，使用着色器，float16乘法器等。我似乎在网上找不到太多有关这些GPU资源的文档。谢谢！ 参考方案 您可以尝试在像Renderdoc这样的GPU分析器中运行pyxthon应用程序。它将分析您的跑步情况。您将能够获得有关已使用资源，已用缓冲区，不同渲染状态上…
Python sqlite3数据库已锁定 - python我在Windows上使用Python 3和sqlite3。我正在开发一个使用数据库存储联系人的小型应用程序。我注意到，如果应用程序被强制关闭（通过错误或通过任务管理器结束），则会收到sqlite3错误（sqlite3.OperationalError：数据库已锁定）。我想这是因为在应用程序关闭之前，我没有正确关闭数据库连接。我已经试过了： connectio…
python-docx应该在空单元格已满时返回空单元格 - python我试图遍历文档中的所有表并从中提取文本。作为中间步骤，我只是尝试将文本打印到控制台。我在类似的帖子中已经看过scanny提供的其他代码，但是由于某种原因，它并没有提供我正在解析的文档的预期输出可以在https://www.ontario.ca/laws/regulation/140300中找到该文档from docx import Document from…
Python ThreadPoolExecutor抑制异常 - pythonfrom concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED def div_zero(x): print('In div_zero') return x / 0 with ThreadPoolExecutor(max_workers=4) as execut…
Python:集群作业管理 - python我在具有两个阶段的计算群集（Slurm）上运行python脚本，它们是顺序的。我编写了两个python脚本，一个用于阶段1，另一个用于阶段2。每天早上，我检查所有第1阶段的工作是否都以视觉方式完成。只有这样，我才开始第二阶段。通过在单个python脚本中组合所有阶段和作业管理，是否有一种更优雅/自动化的方法？我如何知道工作是否完成？工作流程类似于以下内容：w…