Python int操作是否可以在Theano的GPU上进行？

因此，我读到theano无法使用

float64

进行gpu计算，并且要将整数作为共享变量存储在gpu上，必须将其初始化为共享

float32

数据，然后再重铸为整数（就像逻辑回归中的“小黑客”一样）……但是在重铸之后，theano能在整数上进行gpu计算吗？存储是计算的先决条件吗？换句话说，以下两种情况是否可能

情景1。我想在两个大的整数向量上做点积。因此，我将它们共享为

float32

，并在点积之前将它们重新转换为int，这个点积是否在gpu上完成（无论int类型）

情景2。如果场景1是可能的，是否仍然可以在gpu上进行计算，而不首先将它们存储为共享float32？（我知道共享变量可能会减少gpu cpu通信，但dot产品仍然可行吗？存储是gpu上计算的先决条件吗？

不，（目前）除了

float32

之外，没有其他方式在gpu上执行任何操作

这可以通过以下演示代码看到：

import numpy
import theano
import theano.tensor as tt

x = theano.shared(numpy.arange(9 * 10).reshape((9, 10)).astype(numpy.float32))
y = theano.shared(numpy.arange(10 * 11).reshape((10, 11)).astype(numpy.float32))
z = theano.dot(tt.cast(x, 'int32'), tt.cast(y, 'int32'))
f = theano.function([], outputs=z)
theano.printing.debugprint(f)

在GPU上运行时，它将打印以下计算图：

dot [@A] ''   4
 |Elemwise{Cast{int32}} [@B] ''   3
 | |HostFromGpu [@C] ''   1
 |   |<CudaNdarrayType(float32, matrix)> [@D]
 |Elemwise{Cast{int32}} [@E] ''   2
   |HostFromGpu [@F] ''   0
     |<CudaNdarrayType(float32, matrix)> [@G]

---

显示GPU正在执行点积（GpuDot22操作），但在浮点数据上，而不是整数数据上。

回答得很好，我肯定会投票支持它（但我没有必要的声誉：S）。然而，根据这一点，在这种情况下，他们首先将共享的y存储为floatX，然后将其重铸为int似乎是没有用的。根据上面的例子，这只会增加gpu cpu的通信量。我相信，如果int仅用作其他张量的索引，情况会有所不同，如该示例中所示。当您想对整数执行数学运算时，问题就出现了。

HostFromGpu [@A] ''   1
 |GpuDot22 [@B] ''   0
   |<CudaNdarrayType(float32, matrix)> [@C]
   |<CudaNdarrayType(float32, matrix)> [@D]