wehub-resource-sync
46 lines
1.9 KiB
ReStructuredText
46 lines
1.9 KiB
ReStructuredText
.. _guide_cn-graph-gpu:
|
|
|
|
1.6 在GPU上使用DGLGraph
|
|
----------------------
|
|
|
|
:ref:`(English Version)<guide-graph-gpu>`
|
|
|
|
用户可以通过在构造过程中传入两个GPU张量来创建GPU上的 :class:`~dgl.DGLGraph` 。
|
|
另一种方法是使用 :func:`~dgl.DGLGraph.to` API将 :class:`~dgl.DGLGraph` 复制到GPU，这会将图结构和特征数据都拷贝到指定的设备。
|
|
|
|
.. code::
|
|
|
|
>>> import dgl
|
|
>>> import torch as th
|
|
>>> u, v = th.tensor([0, 1, 2]), th.tensor([2, 3, 4])
|
|
>>> g = dgl.graph((u, v))
|
|
>>> g.ndata['x'] = th.randn(5, 3) # 原始特征在CPU上
|
|
>>> g.device
|
|
device(type='cpu')
|
|
>>> cuda_g = g.to('cuda:0') # 接受来自后端框架的任何设备对象
|
|
>>> cuda_g.device
|
|
device(type='cuda', index=0)
|
|
>>> cuda_g.ndata['x'].device # 特征数据也拷贝到了GPU上
|
|
device(type='cuda', index=0)
|
|
|
|
>>> # 由GPU张量构造的图也在GPU上
|
|
>>> u, v = u.to('cuda:0'), v.to('cuda:0')
|
|
>>> g = dgl.graph((u, v))
|
|
>>> g.device
|
|
device(type='cuda', index=0)
|
|
|
|
任何涉及GPU图的操作都是在GPU上运行的。因此，这要求所有张量参数都已经放在GPU上，其结果(图或张量)也将在GPU上。
|
|
此外，GPU图只接受GPU上的特征数据。
|
|
|
|
.. code::
|
|
|
|
>>> cuda_g.in_degrees()
|
|
tensor([0, 0, 1, 1, 1], device='cuda:0')
|
|
>>> cuda_g.in_edges([2, 3, 4]) # 可以接受非张量类型的参数
|
|
(tensor([0, 1, 2], device='cuda:0'), tensor([2, 3, 4], device='cuda:0'))
|
|
>>> cuda_g.in_edges(th.tensor([2, 3, 4]).to('cuda:0')) # 张量类型的参数必须在GPU上
|
|
(tensor([0, 1, 2], device='cuda:0'), tensor([2, 3, 4], device='cuda:0'))
|
|
>>> cuda_g.ndata['h'] = th.randn(5, 4) # ERROR! 特征也必须在GPU上！
|
|
DGLError: Cannot assign node feature "h" on device cpu to a graph on device
|
|
cuda:0. Call DGLGraph.to() to copy the graph to the same device.
|