Ruby에서 GPU를 사용하여 행렬 계산을 할 수 있는 Cumo/NArray를 사용해 보았으므로 소개합니다.

Cumo/NArray 정보

Cumo/NArray는 Numo/NArray와 같은 쓰기 방식으로 GPU에서 행렬 계산을 할 수 있는 라이브러리입니다.
(Numo/NArray는 Ruby에서 행렬 계산을 제공하는 numpy와 같은 라이브러리입니다)
htps : // 기주 b. 코 m / 그 ts / 거미

설치

공식 거리에 설치합니다.gem install cumo 하지만 설치할 수 없지는 않지만, cuda와 관련된 문제가 발생할 때를 대비하여 설명서 설치가 좋을 것 같습니다.

리포지토리 다운로드

git clone https://github.com/sonots/cumo

CUDA의 설치 상황에 따라 환경 변수를 설정합니다.

export CUDA_PATH="/usr/local/cuda"
export CPATH="$CUDA_PATH/include:$CPATH"
export LD_LIBRARY_PATH="$CUDA_PATH/lib64:$CUDA_PATH/lib:$LD_LIBRARY_PATH"
export PATH="$CUDA_PATH/bin:$PATH"
export LIBRARY_PATH="$CUDA_PATH/lib64:$CUDA_PATH/lib:$LIBRARY_PATH"

처음부터 rake install 라고 해도 좋지만, 일단 rake compile 를 실행하면 에러 메세지의 상황을 확인하기 쉬워집니다.

bundle install
bundle exec rake compile
# マルチコア
# bundle exec env MAKEFLAG=-j8 rake compile
bundle exec rake build
bundle exec rake install

올바르게 설치되었는지 확인하기 위해 테스트를 실행합니다.

bundle exec rake test

GPU의 사용률이 상승하고 있는지 watch -n 1 nvidia-smi 등으로 확인해 보세요.

참조 등

Yard

cumo

numo-narray

Numpy와 Numo/Narray의 대응표

Numo vs numpy

Numo vs ndarray

공식 RubyKaigi 2018 슬라이드

Fast Numerical Computing and Deep Learning in Ruby with Cumo

Numo/NArray의 대응 상황

Numo/NArray의 기능에 어디까지 대응하고 있는지는 Github의 issue에서 공개되어 있습니다.

Progress of CUDA kernelize (File Point of View)

Progress of CUDA kernelize (Feature point of View)

쉬운 사용법

배열 생성

require 'cumo'

a = Cumo::SFloat.new(3,3).seq
b = Cumo::SFloat.new(3,3).seq + 1

p a
p b

실행 결과

Cumo::SFloat#shape=[3,3]
[[0, 1, 2], 
 [3, 4, 5], 
 [6, 7, 8]]

Cumo::SFloat#shape=[3,3]
[[1, 2, 3], 
 [4, 5, 6], 
 [7, 8, 9]]

행렬의 합·곱

p a + b
p a * b

실행 결과

Cumo::SFloat#shape=[3,3]
[[1, 3, 5], 
 [7, 9, 11], 
 [13, 15, 17]]

Cumo::SFloat#shape=[3,3]
[[0, 2, 6], 
 [12, 20, 30], 
 [42, 56, 72]]

거의 Numo::NArray와 같은 사용감입니다.

간단한 벤치마크

사칙 연산에 대해 간단한 벤치마크를 해 보았습니다.
덧붙여 Benchmark의 제대로 한 방법은 모르고, 여러가지 이상할지도 모르기 때문에, 참고 정도로 생각해 주세요. 1
htps : // st. 기주 b. 코m/코지x2/9d22후 cf8c7c5f304c2311f005b7엣 c1

Cumo/NArray

Numo/NArray

Ruby 표준 Matrix 라이브러리

(1000,1000) 행렬의 사칙 연산을 비교합니다. 환경은 다음과 같습니다.

OS Ubuntu 18.10

CPU Intel(R) Core(TM) i7-7700 CPU @ 3.60GHz

GPU GeForce GTX 1070

결과입니다. 어쨌든 Ruby의 Matrix가 느린 것을 알 수 있습니다.
오른쪽 가장자리 Ruby의 Matrix의 곱셈과 나눗셈의 결과가 없는 것은, 빠르기보다는, 시간이 너무 걸리기 때문에 도중에 실행을 취소했기 때문입니다. 최저라도 그래프에 표시되고 있는 합·차의 한층 더 10배 이상의 시간이 걸리는 것 같습니다.



Ruby Matrix를 제거한 결과는 이런 느낌입니다.



우선, UInt8의 연산이나, 합산에 관해서는, Cumo/NArray 는 폭속이라고 생각합니다.
Array의 크기를 변경하면 또 다른 결과가 나올지도 모릅니다.



Cumo의 공식 벤치 마크가 있습니다. htps : // 기주 b. 이 m/그 ts/거미/bぉb/마s r/벤 ch/거미_벤 ch. rb