为什么在 Pytorch 中打印 GPU 张量的值需要这么长时间？

Question

我编写了这个 pytorch 程序来在 GPU 上计算 5000*5000 矩阵乘法，迭代 100 次。

import torch
import numpy as np
import time

N = 5000
x1 = np.random.rand(N, N)

######## a 5000*5000 matrix multiplication on GPU, 100 iterations #######
x2 = torch.tensor(x1, dtype=torch.float32).to("cuda:0")

start_time = time.time()
for n in range(100):
    G2 = x2.t() @ x2
print(G2.size())
print("It takes", time.time() - start_time, "seconds to compute")
print("G2.device:", G2.device)

start_time2 = time.time()
# G4 = torch.zeros((5,5),device="cuda:0")
G4 = G2[:5, :5]
print("G4.device:", G4.device)
print("G4======", G4)
# G5=G4.cpu()
# print("G5.device:",G5.device)
print("It takes", time.time() - start_time2, "seconds to transfer or display")

这是我笔记本电脑上的结果：

火炬.Size([5000, 5000])

计算需要0.22243595123291016秒

G2.设备：cuda：0

G4.设备：cuda：0

G4====== 张量([[1636.3195, 1227.1913, 1252.6871, 1242.4584, 1235.8160], [1227.1913, 1653.0522, 1260.2621, 1246.9526, 1250.2871], [12 52.6871、1260.2621、1685.1147、1257.2373、1266.2213]、[1242.4584、1246.9526 , 1257.2373, 1660.5951, 1239.5414], [1235.8160, 1250.2871, 1266.2213, 1239.5414, 1670.0034]], 设备='cuda:0')

传输或显示需要60.13639569282532秒

进程已完成，退出代码为 0

我很困惑为什么要花这么多时间在 GPU 上显示变量 G5，因为它的大小只有 5*5。顺便说一句，我使用“G5=G4.cpu()”将GPU上的变量传输到CPU，这也花费了很多时间。

我的开发环境（相当旧的笔记本电脑）：

• 火炬1.0.0

• CUDA 8.0

• 英伟达 GeForce GT 730m

• Windows 10 专业版

当增加迭代次数时，计算时间并没有明显增加，但传输或显示却明显增加，为什么？有人可以解释一下吗，非常感谢。

Answer 1

Pytorch CUDA 操作是异步的。GPU 张量上的大多数操作实际上都是非阻塞的，直到请求派生结果为止。这意味着，在您请求张量的 CPU 版本之前，矩阵乘法等命令基本上是与您的代码并行处理的。当您停止计时器时，不能保证操作已完成。您可以在文档中阅读有关此内容的更多信息。

为了正确地计时代码块，您应该添加对torch.cuda.synchronize. 该函数应该调用两次，一次在启动计时器之前，一次在停止计时器之前。除了分析代码之外，您应该避免调用此函数，因为它可能会降低整体性能。