pip install cupy

import cupy as cp
import numpy as np

# создавать NumPy множество
arr_np = np.random.rand(1000000)

# Воля NumPy множество Преобразовать в CuPy множество
arr_gpu = cp.asarray(arr_np)

# существовать GPU выполнить навычислить
result_gpu = cp.sin(arr_gpu)

# Воля получается из GPU Преобразовать обратно в NumPy множество
result_np = cp.asnumpy(result_gpu)

# Проверьте согласованность результатов
assert np.allclose(np.sin(arr_np), result_np)

from numba import cuda

# использовать Numba ускоряться GPU вычислить
@cuda.jit
def numba_gpu_function(arr_in, arr_out):
    i = cuda.grid(1)
    if i < arr_in.size:
        arr_out[i] = np.sin(arr_in[i])

# Подготовьте данные
arr_np = np.random.rand(1000000)
arr_gpu = cp.asarray(arr_np)
result_gpu_numba = cp.empty_like(arr_gpu)

# существовать GPU выполнить навычислить
numba_gpu_function[32, 32](arr_gpu, result_gpu_numba)

# Воля получается из GPU Преобразовать обратно в NumPy множество
result_np_numba = cp.asnumpy(result_gpu_numba)

# Проверьте согласованность результатов
assert np.allclose(np.sin(arr_np), result_np_numba)

import torch

# создавать PyTorch Тензор
arr_torch = torch.rand(1000000)

# Воля Тензорпереехать в GPU начальство
arr_torch_gpu = arr_torch.cuda()

# существовать GPU выполнить навычислить
result_torch_gpu = torch.sin(arr_torch_gpu)

# Воля получается из GPU Преобразовать обратно в NumPy множество
result_np_torch = result_torch_gpu.cpu().numpy()

# Проверьте согласованность результатов
assert np.allclose(np.sin(arr_torch.numpy()), result_np_torch)

pip install pycuda

импортировать pycuda.driver как cuda
импортировать pycuda.autoinit
из pycuda.compiler импортировать SourceModule

# Функция CUDA
мод = SourceModule("""
    __global__ void gpu_function(float *arr_in, float *arr_out) {
        int i = threadIdx.x + blockIdx.x * blockDim.x;
        arr_out[i] = sin(arr_in[i]);
    }
""")

# Подготовьте данные
arr_np = np.random.rand(1000000).astype(np.float32)
arr_gpu = cuda.mem_alloc(arr_np.nbytes)
result_gpu_pycuda = cuda.mem_alloc(arr_np.nbytes)

# Воля передача данных на GPU
cuda.memcpy_htod(arr_gpu, arr_np)

# осуществлять CUDA 核функция
func = mod.get_function("gpu_function")
func(arr_gpu, result_gpu_pycuda, block=(32, 1, 1), grid=(arr_np.size // 32, 1))

# Воля получается из GPU Преобразовать обратно в NumPy множество
result_np_pycuda = np.empty_like(arr_np)
cuda.memcpy_dtoh(result_np_pycuda, result_gpu_pycuda)

# Проверьте согласованность результатов
assert np.allclose(np.sin(arr_np), result_np_pycuda)