[GTCJ2018]CuPy NumPy互換GPUライブラリによるPythonでの高速計算 PFN奥田遼介CuPy は Python 上での GPU 計算を支援するライブラリです。Python で標準的に使われている配列計算ライブラリ NumPy 互換の API を提供することで、ユーザーが簡単に GPU (CUDA) を使えることを目指して開発しています。 今回は、CuPy の使い方とその実例、高速化のポイントに加えて、CuPy の仕組み、開発の方向性など、より深く CuPy を知って頂ける内容をお伝えします。
![[GTCJ2018]CuPy NumPy互換GPUライブラリによるPythonでの高速計算 PFN奥田遼介](https://cdn-ak-scissors.b.st-hatena.com/image/square/7f8b58cebd1a6171a96ddba66ff65f52d24b439f/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fgtcj2018cupypfnryosukeokuta-181009073034-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
畳み込み積分や移動平均を求めるnumpy.convolve関数の使い方
公式サイトの解説より これは畳み込みニューラルネットワークで行っている畳み込み(convolution)と同じことを１次元で行っているとも言えます。畳み込みニューラルネットワークについては以下の記事を参考にしてください。 定番のConvolutional Neural Networkをゼロから理解する /deep_learning/2016/11/07/convolutional_neural_network.html パラメータmodeについて ここでのnの範囲を定めるのが引数modeとなります。モードごとの処理内容は以下の通りです。 full ： vの範囲いっぱいまでaの範囲内で積分を行うため、返される配列の長さはN+M-1となります。このとき、信号の残響を見ることができます。 same：配列の長さがmax(M,N)となり、長い方の配列に要素数を合わせます。 valid：うまくaとvの
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Numpyで複素行列を定義する
Python/Numpyのnp.newaxisの考え方のコツ
