【Python - GPU】基于Python的GPU加速并行计算 -- pyCUDA

来源:互联网 发布:淘宝内部优惠券靠谱吗? 编辑:程序博客网 时间:2024/05/21 08:54

Python实现的CUDA – pyCUDA

Nvidia的CUDA 架构为我们提供了一种便捷的方式来直接操纵GPU 并进行编程,但是基于
C语言的CUDA实现较为复杂,开发周期较长。而python 作为一门广泛使用的语言,具有
简单易学、语法简单、开发迅速等优点。作为第四种CUDA支持语言,相信python一定会
在高性能计算上有杰出的贡献–pyCUDA。

  • pyCUDA特点

  • pyCUDA工作流程

  • 调用的基本例子

  • 包含内容

pyGPU

pyCUDA特点

  • CUDA完全的python实现

  • 编码更为灵活、迅速、自适应调节代码

  • 更好的鲁棒性,自动管理目标生命周期和错误检测

  • 包含易用的工具包,包括基于GPU的线性代数库、reduction和scan,添加了快速傅里叶变换包和线性代数包LAPACK

  • 完整的帮助文档Wiki

pyCUDA的工作流程

具体的调用流程如下:

Created with Raphaël 2.1.0开始编写python程序python程序检查?调用pyCUDA编译CUDA 源码并上传GPU编译正确?PyCUDA’s numpy进行数据读入处理数据读入处理成功?输出GPU 加速处理结果结束yesnoyesnoyes

调用基本例子

import pycuda.autoinitimport pycuda.driver as drvimport numpyfrom pycuda.compiler import SourceModulemod = SourceModule("""__global__ void multiply_them(float *dest, float *a, float *b){  const int i = threadIdx.x;  dest[i] = a[i] * b[i];}""")multiply_them = mod.get_function("multiply_them")a = numpy.random.randn(400).astype(numpy.float32)b = numpy.random.randn(400).astype(numpy.float32)dest = numpy.zeros_like(a)multiply_them(        drv.Out(dest), drv.In(a), drv.In(b),        block=(400,1,1), grid=(1,1))print dest-a*b#tips: copy from hello_gpu.py in the package.

具体内容

  • 设备交互

  • Profiler Control

  • 动态编译

  • OpenGL交互

  • GPU数组

  • 超编程技术

补充内容:对于GPU 加速python还有功能包,例如处理图像的pythonGPU加速包—— pyGPU

以及专门的GPU 加速python机器学习包—— scikitCUDA

Matlab对应的工具包并行计算工具箱和GPU计算技术
以及教程和介绍文档

0 0
原创粉丝点击