wehub-resource-sync
44 lines
2.0 KiB
ReStructuredText
44 lines
2.0 KiB
ReStructuredText
.. _guide_ko-graph-gpu:
|
|
|
|
1.6 GPU에서 DGLGraph 사용하기
|
|
--------------------------
|
|
|
|
:ref:`(English Version)<guide-graph-gpu>`
|
|
|
|
그래프 생성시, 두 GPU 텐서를 전달해서 GPU에 위치한 :class:`~dgl.DGLGraph` 를 만들 수 있다. 다른 방법으로는 :func:`~dgl.DGLGraph.to` API를 사용해서 :class:`~dgl.DGLGraph` 를 GPU로 복사할 수 있다. 이는 그래프 구조와 피처 데이터를 함께 복사한다.
|
|
|
|
.. 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) # original feature is on CPU
|
|
>>> g.device
|
|
device(type='cpu')
|
|
>>> cuda_g = g.to('cuda:0') # accepts any device objects from backend framework
|
|
>>> cuda_g.device
|
|
device(type='cuda', index=0)
|
|
>>> cuda_g.ndata['x'].device # feature data is copied to GPU too
|
|
device(type='cuda', index=0)
|
|
|
|
>>> # A graph constructed from GPU tensors is also on GPU
|
|
>>> u, v = u.to('cuda:0'), v.to('cuda:0')
|
|
>>> g = dgl.graph((u, v))
|
|
>>> g.device
|
|
device(type='cuda', index=0)
|
|
|
|
GPU 그래프에 대한 모든 연산은 GPU에서 수행된다. 따라서, 모든 텐서 인자들이 GPU에 이미 존재해야하며, 연산 결과(그래프 또는 텐서) 역시 GPU에 저장된다. 더 나아가, GPU 그래프는 GPU에 있는 피쳐 데이터만 받아들인다.
|
|
|
|
.. code::
|
|
|
|
>>> cuda_g.in_degrees()
|
|
tensor([0, 0, 1, 1, 1], device='cuda:0')
|
|
>>> cuda_g.in_edges([2, 3, 4]) # ok for non-tensor type arguments
|
|
(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')) # tensor type must be on GPU
|
|
(tensor([0, 1, 2], device='cuda:0'), tensor([2, 3, 4], device='cuda:0'))
|
|
>>> cuda_g.ndata['h'] = th.randn(5, 4) # ERROR! feature must be on GPU too!
|
|
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.
|