使用CuPy对字符串列表随机采样时遇'Unsupported dtype <U20'错误

CuPy对Unicode字符串类型的支持远不如Numpy完善，它的核心设计是为GPU加速数值计算服务，目前无法直接创建包含变长Unicode字符串的数组，也不支持对字符串列表直接调用cp.random.choice，这就是你碰到ValueError: Unsupported dtype <U20的原因。而Numpy对字符串类型的处理逻辑更成熟，所以np.random.choice(l)能正常运行。

最实用的做法是把字符串映射成整数索引，用CuPy处理数值类型的索引数组，采样后再映射回字符串，完全利用GPU加速的优势，具体步骤如下：

1. 建立字符串与整数的双向映射字典
2. 创建整数类型的CuPy数组
3. 对整数数组执行随机采样
4. 将采样得到的索引映射回原字符串

代码示例 #

import cupy as cp

# 你的字符串列表（示例）
word_list = ["apple", "banana", "cherry", "date", "elderberry"]

# 构建双向映射
str_to_idx = {word: idx for idx, word in enumerate(word_list)}
idx_to_str = {idx: word for idx, word in enumerate(word_list)}

# 创建整数类型的CuPy数组
idx_array = cp.array(list(str_to_idx.values()))

# 执行GPU随机采样
sampled_idx = cp.random.choice(idx_array)
# 将索引转回字符串（get()把CuPy数组元素转到CPU）
sampled_word = idx_to_str[sampled_idx.get()]

print(sampled_word)

备选方案（仅适合小数据量） #

如果你的字符串列表规模很小，也可以先在CPU用Numpy完成采样，再转到CuPy，但这种方法会失去GPU加速的意义，不推荐用于大数据场景：

import numpy as np
import cupy as cp

word_list = ["apple", "banana", "cherry"]
# CPU侧采样
sampled_str_np = np.random.choice(word_list)
# 转到CuPy（仅作演示，实际没必要）
sampled_str_cp = cp.array(sampled_str_np, dtype=cp.string_)

内容的提问来源于stack exchange，提问作者MsA