numpy使用GPU加速

在跑完mnist的KNN分类后，跑的挺慢，突然想有没有GPU的numpy的呢，上网查了查，才知道原生的numpy没有实现（不应该啊。。。），结构查到了minpy，花了10分钟左右配好了环境，写个日志记录一下。

安装minpy:

我的机器是Ubuntu 16.04的，minpy需要cuda,cudnn,由于这俩我早就装好了，就不说了。 minpy是基于mxnet进行运算的，所以需要安装mxnet,官方链接添加链接描述
反正我用的最简单的方式，没从git源码安装

sudo pip install mxnet-cu80  // 我cuda8.0的

（必须和cuda对应，第一次装了9.0的了，就报错了）
然后再

sudo pip install minpy

就OK了，是不是很easy（当然我们的easy是建立在大牛的肩膀上，感觉开发者们）.

使用：

import  minpy.numpy as np

我使用我KNN中的代码测试，平均CPU:0.8s,GPU:0.4s，只提速了0.4s左右（因为涉及的矩阵运算少）。

如下，使用高维矩阵点乘连乘做测试

import numpy as np
import numpy.random as random
#import minpy.numpy as np
#import minpy.numpy.random as random
import time

a = random.rand(3000,2000)
b = random.rand(2000,4000)
c = random.rand(4000,3000)
begin = time.time()
for i in range(100):
    np.dot(np.dot(a,b),c)
end = time.time()
print(end-begin) 

提升4倍左右，一个200s,一个50s左右。
（同时发现一个问题打印时间和GPU调用应该不是同线程的，因为没得到结果时间就打印出来了，手动计的时）
参考：minpy安装手册