elaprendiz0000

 import torch import numpy as np import time device = 'cuda' if torch.cuda.is_available else 'cpu' print(device) torch_rand1 = torch.rand(100,100,100,100).to(device) torch_rand2 = torch.rand(100,100,100,100).to(device) np_rand1 = torch.rand(100,100,100,100) np_rand2 = torch.rand(100,100,100,100) start_time = time.time() rand = (torch_rand1 @ torch_rand2) end_time = time.time() elapsed_time = end_time - start_time print(f"{elapsed_time:.8f}") start_time = time.time() rand = np.multiply(np_rand1,np_rand2) end_time = time.time() elapsed_time = end_time - start_time print(f"{elapsed_time:8f}")

  1. Activamos el entorno Conda (base):      conda activate base && conda init bash 2 .Creamos un entorno virtual python para aislarnos de las dependencias de paquetes del entorno que tenemos instalado en el Sistema operativo. El siguiente comando lo ejecutamos tras haber ejecutado el el comanto del punto 1.     python -m venv cuda 3. Activamos el entorno cuda      source ./cuda/bin/activate 4. Instalamos el framework Pytorch: pip3 install torch --index-url https://download.pytorch.org/whl/cu118 PyTorch es un popular marco de aprendizaje automático de código abierto basado en la biblioteca Torch. Se utiliza principalmente para aplicaciones como visión por computadora, procesamiento del lenguaje natural y aprendizaje profundo 123. PyTorch es preferido sobre otros marcos de aprendizaje profundo como TensorFlow y Keras ya que utiliza gráficos de cálculo dinámico y es completamente Pythonic 2. PyTorch es una biblioteca optimizada de tenso...