to_numpy()的使用

综合讨论区
, ,
#1

RT, 在使用GPU后端的时候，一个场A(50050050) 经过一些计算后，无法用to_numpy()转成ndarray，没有报错，就一直卡在A.to_numpy()这一步，请问这是为什么呢

#2

这段代码是否是写在@ti.kernel或@ti.func外？
尝试一下小尺寸的看看行不行。

#3

是写在 kernel 和func 之外，和尺寸没关系. 相同的尺寸，场A 经过小于1000的for循环计算，A.to_numpy()是没问题的，但是2000的for循环就不太行了，很奇怪，不知道为啥

#4

能否提供一个最简复现代码？

#5

请问你方便发一下邮箱，或者个人联系方式吗？ 我发给你，多谢啦

#6

最简单的复现代码 如下：

import taichi as ti

ti.init(arch=ti.gpu)

a = ti.field(dtype=ti.f32, shape=(502, 502, 51))

@ti.kernel
def test():

ti.loop_config(serialize=True)
for i in range(2000):
    for ix, iy, iz in ti.ndrange(502, 502, 51):
        a[ix, iy, iz] += ix + iy + iz + ti.random(float)

test()
print(‘1’)
a0 = a.to_numpy()
print(‘2’)

当for循环小于1000的时候，a0 = a.to_numpy()是没问题的；
当没有设置 ti.loop_config(serialize=True)的时候，for循环10000次，a0 = a.to_numpy()也是是没问题的；
但当设置了 ti.loop_config(serialize=True)， for循环大于一定次数（比如2000）的时候 ，语句 a0 = a.to_numpy() 就一直卡着不动， 不知道为何。

python版本为3.10.12， taichi 为1.4.0， llvm为15.0.1

#7

有大佬能帮忙看看解决一下吗？ 多谢啦

#8

我感觉你的代码在print(‘1’)时，其实test函数并没有运行完，所以你要求to_numpy的时候是在等待test运行完毕，所以并非是to_numpy卡住了，而是test本身还没执行完。如果你在test函数里加一句print某某的话，那么print 1也会等待到test运行完才会执行。

#9

我觉得你在使用ti.loop_config(serialize=True)之后，里面的元素操作就不再是并行执行的，所以test函数变得特别 的慢，所以不如把外面的这个2000次循环拿到python scope里

import taichi as ti

ti.init(arch=ti.gpu)

a = ti.field(dtype=ti.f32, shape=(502, 502, 51))

@ti.kernel
def test():
    for ix, iy, iz in ti.ndrange(502, 502, 51):
        a[ix, iy, iz] += ix + iy + iz + ti.random(float)

for i in range(2000):
    test()
print('1')
a0 = a.to_numpy()
print('2')

这样就不需要串行执行了

#10

谢谢，并行的话（ti.loop_config(serialize=False), 是没有任何问题的，但我现在要计算模拟的问题是需要串行的，所以这个 没办法更改，只是不知道为什么串行后，to_numpy()为什么会基本上用不了

#11

把2000次for循环放在 python scope里就会非常非常慢，效果不佳。

#12

关心的问题，解决了，虽然感觉不是很完美，还有优化空间。