Python 3.x 丘比特索引速度很慢

我正在尝试对16000大小的大型cupy阵列执行操作。我发现诸如加法之类的数学运算相当快，但使用布尔掩码进行索引的速度相对较慢。例如，以下代码：

import cupy as cp
arr = cp.random.normal(0, 1, 16000)
%timeit arr * 5
%timeit arr > 0.4
%timeit arr[arr > 0.4] = 0

给我输出：

28 µs ± 950 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
26.5 µs ± 1.61 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
104 µs ± 2.6 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

为什么最终索引速度至少是原来的两倍？我假设乘法应该比设置数组元素慢

更新：这对于numpy索引是不正确的。将cupy阵列更改为numpy，我得到：

6.71 µs ± 373 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
4.42 µs ± 56.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
5.39 µs ± 29.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

---

在第三种情况下，

cupy

通过一系列操作合成结果：

cupy\u更大的
，
cupy\u复制
，
inclusive\u扫描内核
，
inclusive\u扫描内核
，
添加扫描阻塞的求和内核
，
CUDA memcpy DtoH
（可能是为了提供需要设置为零的元素数量），
CUDA memset
（可能是为了将数组设置为零），最后是
cupy\u scatter\u update\u mask
（可能是为了将零分散到正确的位置）

这是一个比
arr*5
复杂得多的序列，它似乎在引擎盖下运行一个
cupy\u乘法

谢谢--这就解决了问题。在“clamp_generic”上运行“timeit”时，每个循环的时间仅为6.12µs±149 ns。
import cupy as cp
clamp_generic = cp.ElementwiseKernel(
        'T x, T c',
        'T y',
        'y = (y > x)?c:y',
        'clamp_generic')
arr = cp.random.normal(0, 1, 16000)
clamp_generic(0.4, 0, arr)