1. CuPy入门：CuPy是什么、与NumPy的关系、安装配置、GPU环境检查

1.1 CuPy是什么？

简单来说，CuPy就是NumPy的GPU版本。我最初接触时，第一反应是“这不就是把数组操作搬到显卡上吗？”没错，它的核心就是让你用几乎一样的API，在GPU上做并行计算。你写过的np.array()、np.dot()，换成cp.array()、cp.dot()，就能自动跑在CUDA核心上。底层靠的是CUDA和cuDNN这些库，但CuPy帮你把调用细节全封装好了。

我在项目中遇到过几次：数据量一大，NumPy跑个聚类要等半天。换成CuPy后，同样是K-Means，训练时间从十几分钟压缩到几十秒。当然，不是所有场景都适合——小数据或频繁CPU-GPU传输时反而更慢。这个后面会细讲。

1.2 与NumPy的关系

CuPy和NumPy就像双胞胎。API长得几乎一样，但一个在CPU上跑，一个在GPU上跑。下面的表格可以帮你快速对比：

维度	NumPy	CuPy
运行设备	CPU (内存)	GPU (显存)
数据类型	ndarray	cupy.ndarray
核心库	BLAS, LAPACK 等	CUDA, cuBLAS, cuDNN
并行能力	多线程 (CPU核心)	数千个CUDA核心
适用数据量	中小规模 (GB级以内)	大规模 (显存GB/TB级)
API兼容性	参考基准	约90%接口一致

你想想看，如果你已经会用NumPy，上手CuPy基本就是改个import的事。但有几个细节要留意：

• 显存有限：一个float32的1亿元素数组占用约400MB显存，别把整机内存都往里塞。
• 数据传输延迟：每次cupy.asnumpy()都要从显存拷贝回内存，频繁操作会拖慢速度。
• 部分函数未实现：比如某些复杂的排序算法，CuPy还没覆盖全。碰到时可以用cp.asnumpy()回退到NumPy处理。

我个人习惯：先在NumPy上验证小数据，再切到CuPy跑全量。这样既能保正逻辑正确，又能享受加速红利。

1.3 安装配置

安装CuPy并不复杂，但关键的一步是选对CUDA版本对应的包。我之前踩过一个坑：机器上装的CUDA 11.7，我直接pip install cupy，结果装了个cupy-cuda12x的版本，跑起来报错说找不到CUDA运行时。

正确做法是先查你的CUDA版本：

nvidia-smi | grep "CUDA Version"

比如看到CUDA Version: 11.7，那就装cupy-cuda11x系列：

pip install cupy-cuda11x

如果你用的是CUDA 12.x，就换：

pip install cupy-cuda12x

另外，官方还提供cupy-cuda101、cupy-cuda110等更细分的版本，但日常用最常见的版本号就好。我建议用虚拟环境安装，避免污染全局Python。比如：

python -m venv cupy_env
source cupy_env/bin/activate   # Linux/Mac
cupy_env\Scripts\activate      # Windows
pip install cupy-cuda11x

如果你没有NVIDIA显卡，或者CUDA版本特别老（比如CUDA 10.x），可以考虑用cupy-rocm（AMD ROCm）或者纯CPU模式跑CuPy做测试——但那就没有加速意义了。

1.4 GPU环境检查

装好之后，咱们得确认CuPy真的能调用到GPU。先跑个基本的硬件检查：

nvidia-smi

你会看到GPU型号、显存、温度、进程等信息。如果没输出，说明驱动没装好或者没有NVIDIA显卡——CuPy就没法用了。

然后进Python验证：

import cupy as cp
print(cp.__version__)
print(cp.cuda.runtime.getDeviceCount())   # GPU数量
print(cp.cuda.runtime.getDeviceProperties(0)['name'])  # 第一块显卡名字

输出类似：

12.0.0
1
'NVIDIA GeForce RTX 3090'

如果getDeviceCount()返回0，要么驱动没装好，要么CuPy链接的CUDA版本不对。解决办法：卸载当前CuPy，重新装匹配CUDA的版本。

我还习惯跑一个简单的性能测试，看看加速效果：

import numpy as np
import cupy as cp
import time

n = 10000
a_np = np.random.randn(n, n).astype(np.float32)
b_np = np.random.randn(n, n).astype(np.float32)

a_cp = cp.asarray(a_np)
b_cp = cp.asarray(b_np)

# CPU 矩阵乘法
t0 = time.time()
c_np = np.dot(a_np, b_np)
t1 = time.time()
print(f"NumPy: {t1-t0:.4f} s")

# GPU 矩阵乘法
t0 = time.time()
c_cp = cp.dot(a_cp, b_cp)
cp.cuda.Stream.null.synchronize()  # 等待GPU完成
t1 = time.time()
print(f"CuPy:  {t1-t0:.4f} s")

在我机器上，NumPy大约2.1秒，CuPy只要0.08秒——快了25倍。这个差距会随矩阵增大而更明显。

好了，到此你已经掌握了CuPy的基本概念、安装方法和环境验证。其实说白了，就是让NumPy代码“坐火箭”——把任务扔给GPU的几千个核心并行处理。接下来你就可以开始用CuPy写聚类和训练脚本了。不过别急，记得先跑通上面的测试代码，确保你的环境没问题。