====== Cupy: calcul numpy avec CUDA ======
<WRAP center round box 70% centeralign>
**CuPy – NumPy-like API accelerated with CUDA**
</WRAP>

[[https://developer.download.nvidia.com/video/gputechconf/gtc/2019/presentation/s9738-using-gpu-power-for-numpy-syntax-calculations.pdf|s9738-using-gpu-power-for-numpy-syntax-calculations.pdf]] sur developer.download.nvidia.com

[[https://docs-cupy.chainer.org/en/stable/reference/difference.html|Difference between CuPy and NumPy — CuPy 7.8.0 documentation]] sur docs-cupy.chainer.org

===== Ressources =====
  * **Un pdf de présentation de [[https://developer.download.nvidia.com/video/gputechconf/gtc/2019/presentation/s9738-using-gpu-power-for-numpy-syntax-calculations.pdf|Nvidia]]**

{{:media_10:using-gpu-power-for-numpy-syntax-calculations-10.png?400|}}
{{:media_10:using-gpu-power-for-numpy-syntax-calculations-16.png?400|}}
{{:media_10:using-gpu-power-for-numpy-syntax-calculations-11.png?400|}}
  * **[[https://cupy.chainer.org/|cupy.chainer.org]]**
  * **[[https://docs-cupy.chainer.org/en/stable/|Read the Docs de CuPy]]**
  * **[[https://pypi.org/project/cupy/|pypi.org: cupy]]**

===Version de CUDA===
  * Les exemples de cette page sont réalisés sur Xubuntu 18.04 et CUDA 10.0

==== Bibliothèques associées====
  * **[[https://github.com/rapidsai/cudf/tree/master|github.com: cudf]]**

{{ :media_10:rapids_arrow.png?500 |}}

  * **scipy**
  * **opencv**
=====Installation=====
  sudo pip3 install cupy-cuda102

=====Comment adapter un fichier numpy en cupy=====
[[https://docs-cupy.chainer.org/en/stable/reference/difference.html|docs-cupy.chainer.org: Difference between CuPy and NumPy]]


=====Exemple avec l'intelligence du sémaphore=====
  * Exemple avec: [[l_intelligence_du_semaphore|L'intelligence du sémaphore]]
  * [[https://github.com/sergeLabo/semaphore_cupy|Les sources sur GitHub: semaphore_cupy]]

====Numpy====
Avec le script semaphore_ia.py
<code>
AMD FX(tm)-8320 Eight-Core Processor

Calcul avec numpy ... numpy ... numpy ... numpy ... 
Training: Shot 60000 Lettre 60000; Testing: Shot 10000 Lettre 10000
Training...
type(weight_list :) <class 'list'> 
len(weight_list) = 3 
    0 100 
    1 100 
    2 27
weights.npy enregistré
Testing...
Learningrate: 0.023 Résultat 87.4
Calcul en: 139.8 s
</code>

====Cupy====
Avec le script cupy_ia.py
<code>
cupy 7.3
Successfully installed cupy-7.3.0 fastrlock-0.4
Nvidia 1060 GTX

Calcul avec cupy ... cupy ... cupy ... cupy ... 
Training: Shot 60000 Lettre 60000; Testing: Shot 10000 Lettre 10000
Training...
type(weight_list :) <class 'list'> 
len(weight_list) = 3 
    0 100 <class 'cupy.core.core.ndarray'> 
    1 100 <class 'cupy.core.core.ndarray'> 
    2 27 <class 'cupy.core.core.ndarray'>
weights_cupy.npy enregistré
Testing...
Learningrate: 0.023 Résultat 89.9
Calcul en: 91.7 s
</code>

**Soit un gain de 34% avec cupy**

Il faut vérifier que toutes les datas sont bien chargées dans la RAM GPU: cupy.array 
[[https://docs-cupy.chainer.org/en/stable/tutorial/basic.html|docs-cupy.chainer.org: basic]]
===== OpenCV =====
https://docs-cupy.chainer.org/en/stable/reference/ndimage.html#module-cupyx.scipy.ndimage



{{tag> ia python sb }}