2. CuPy数组创建与基础操作
CuPy 的数组对象 cupy.ndarray 与 NumPy 的 numpy.ndarray 在接口设计上高度对齐，这让熟悉 NumPy 的开发者几乎可以零成本迁移。但两者有一个根本差异：NumPy 数组的数据位于主机内存（RAM），而 CuPy 数组的数据位于 GPU 显存（VRAM）。理解这一点，是掌握 CuPy 数组创建与操作的关键——每一次创建、切片、运算，本质上都是在决定"数据放在哪里、以什么形状和类型存放、如何被 GPU 访问"。
从 Python 列表与 NumPy 数组创建
最直接的创建方式是 cupy.array()，它接受 Python 列表、嵌套列表或 NumPy 数组作为输入，并在 GPU 上分配显存、拷贝数据：
import cupy as cp
import numpy as np
# 从 Python 列表创建
a = cp.array([1, 2, 3, 4])
# 从嵌套列表创建二维数组
b = cp.array([[1.0, 2.0], [3.0, 4.0]])
# 从 NumPy 数组创建（会触发一次 H2D 拷贝）
host = np.arange(6, dtype=np.float32).reshape(2, 3)
c = cp.asarray(host)这里要区分 cp.array() 与 cp.asarray()：前者默认总是复制数据，后者在输入已经是 CuPy 数组时直接返回原对象、不复制，行为类似 NumPy 的 asarray。当输入是 NumPy 数组时，两者都会执行一次主机到设备（H2D）的传输，这个传输走 PCIe 总线，是迁移过程中最容易被忽视的性能开销。对于大数组，应尽量在 GPU 上直接生成，而不是先在 CPU 上建好再拷贝。
反向操作同样重要：cp.asnumpy(cupy_array) 或 cupy_array.get() 会把显存数据拷回主机内存，得到普通 NumPy 数组。只有拷回之后，才能用 Matplotlib 绘图、写入磁盘或交给不支持 GPU 的库处理。
常用创建函数
CuPy 提供了一组与 NumPy 同名的创建函数，它们直接在显存中分配并初始化数据，避免了"先建后拷"的额外开销：
| 函数 | 作用 | 典型示例 |
|---|---|---|
cp.arange | 生成等差序列 | cp.arange(0, 10, 2) → [0,2,4,6,8] |
cp.zeros | 全零数组 | cp.zeros((3, 4), dtype=cp.float32) |
cp.ones | 全一数组 | cp.ones(5, dtype=cp.int32) |
cp.empty | 未初始化数组 | cp.empty((2, 2)) |
cp.full | 填充指定值 | cp.full((2, 3), 7.5) |
需要特别提醒 cp.empty：它只分配显存、不写入任何值，内容是该显存块此前残留的任意数据。它的优势是快，适合"马上会被完整覆盖"的场景，例如作为输出缓冲区；如果直接读取，会得到不可预期的数值。这一点与 NumPy 的 empty 一致，但在 GPU 上残留数据的来源更复杂，调试时更应警惕。
此外，cp.zeros_like(x)、cp.ones_like(x)、cp.full_like(x, v) 会参照已有数组 x 的形状和 dtype 创建新数组，在实现迭代算法（如初始化累加器、梯度缓冲区）时非常常用，能避免手写 shape 和 dtype 出错。
数组属性：shape、dtype、device
创建完成后，三个属性最值得关注。shape 是各维度长度组成的元组，决定索引的合法范围；dtype 决定每个元素的字节数和精度，直接影响显存占用与计算速度；device 则标识数据所在的 GPU，返回一个 cupy.cuda.Device 对象。
x = cp.zeros((1024, 1024), dtype=cp.float32)
print(x.shape) # (1024, 1024)
print(x.dtype) # float32
print(x.device) # <CUDA Device 0>
print(x.nbytes) # 4194304，即 4 MiB
print(x.size) # 1048576多卡环境下，device 属性尤其关键。可以用 with cp.cuda.Device(1): 上下文管理器切换当前设备，在其中创建的数组会自动落在 1 号卡上。跨设备直接运算会报错，必须先通过 cp.asarray(x, device=...) 或拷贝显式迁移。养成"创建前确认当前设备"的习惯，能避免大量隐蔽的显存归属问题。
基础索引与切片
CuPy 的索引语法与 NumPy 完全一致：支持整数索引、负索引、切片、步长、布尔掩码和整数数组索引。区别在于，切片返回的通常是原数组的视图（共享底层显存），而布尔索引和整数数组索引返回的是新数组（需要重新分配显存并拷贝数据）。
a = cp.arange(12).reshape(3, 4)
print(a[1, 2]) # 标量索引，返回 0 维数组
print(a[:, 1:3]) # 切片，视图
print(a[a > 5]) # 布尔索引，新数组
print(a[[0, 2]]) # 整数数组索引，新数组
a[0, 0] = 99 # 原地赋值，直接写显存有一个容易踩坑的地方：用标量索引取出的单个元素仍然是 0 维 CuPy 数组，而不是 Python 标量。若要在主机端使用它的值，需要调用 .item() 或 int()，这会触发一次设备到主机的同步拷贝。在循环中频繁对单个元素取值，会因反复同步而严重拖慢程序——这正是 GPU 编程中"避免逐元素回读"原则的由来。正确的做法是把逐元素判断改写成向量化的掩码运算，让整个数组在 GPU 上一次性处理完。
一个可复现的小练习
把上述知识点串起来，可以做一个简单的验证：在 GPU 上创建一个 4×4 的 float32 数组，用切片修改其中一块，再检查视图是否共享数据。
import cupy as cp
x = cp.arange(16, dtype=cp.float32).reshape(4, 4)
view = x[1:3, 1:3] # 视图
view[:] = -1 # 原地写入
print(x) # 中间 2×2 区域变为 -1，证明共享显存
mask = x > 0
print(mask.sum()) # 布尔索引 + 归约，全程在 GPU 完成
print(x.device, x.dtype, x.shape)预期结果是：x 的第 2、3 行第 2、3 列全部变成 -1，其余元素保持原值；mask.sum() 返回剩余正数元素的个数。如果切片返回的是副本，x 就不会改变——这个对比能帮助建立"视图 vs 副本"的直觉。最后一行打印出的 device、dtype、shape 则确认了数据确实落在 GPU 上、类型符合预期、形状未被破坏。
import numpy as np 换成 import cupy as cp，并把 np. 替换为 cp.。真正需要人工介入的地方集中在三处：显式的主机/设备拷贝、依赖 CPU 的第三方库调用、以及逐元素回读导致的同步开销。掌握创建与基础操作后，后续的向量化运算、归约和自定义核函数才有稳固的起点。建议在动手写复杂算法前，先用小数组验证 shape、dtype 和 device 是否符合预期，再逐步放大规模——这比在大数组上报错后再回头排查要高效得多。