了解CUDA、Numba、Cupy等的扩展示例
问题描述
几乎所有在线提供的Numba、CuPy等示例都是简单的数组添加，显示了从CPU单核/线程到GPU的加速比。而命令文档大多缺乏好的例子。此帖子旨在提供更全面的示例。提供的初始代码here。这是经典元胞自动机的一个简单模型。最初，它甚至不使用numpy，只使用纯python和Pyglet模块进行可视化。
我的目标是将此代码扩展到特定问题(这将是非常大的问题)，但首先我认为最好已经针对GPU使用进行了优化。
Game_of_lif.py为：
import random as rnd
import pyglet
#import numpy as np
#from numba import vectorize, cuda, jit
class GameOfLife:
def __init__(self, window_width, window_height, cell_size, percent_fill):
self.grid_width = int(window_width / cell_size) # cell_size
self.grid_height = int(window_height / cell_size) #
self.cell_size = cell_size
self.percent_fill = percent_fill
self.cells = []
self.generate_cells()
def generate_cells(self):
for row in range(0, self.grid_height):
self.cells.append([])
for col in range(0, self.grid_width):
if rnd.random() < self.percent_fill:
self.cells[row].append(1)
else:
self.cells[row].append(0)
def run_rules(self):
temp = []
for row in range(0, self.grid_height):
temp.append([])
for col in range(0, self.grid_width):
cell_sum = sum([self.get_cell_value(row - 1, col),
self.get_cell_value(row - 1, col - 1),
self.get_cell_value(row, col - 1),
self.get_cell_value(row + 1, col - 1),
self.get_cell_value(row + 1, col),
self.get_cell_value(row + 1, col + 1),
self.get_cell_value(row, col + 1),
self.get_cell_value(row - 1, col + 1)])
if self.cells[row][col] == 0 and cell_sum == 3:
temp[row].append(1)
elif self.cells[row][col] == 1 and (cell_sum == 3 or cell_sum == 2):
temp[row].append(1)
else:
temp[row].append(0)
self.cells = temp
def get_cell_value(self, row, col):
if row >= 0 and row < self.grid_height and col >= 0 and col < self.grid_width:
return self.cells[row][col]
return 0
def draw(self):
for row in range(0, self.grid_height):
for col in range(0, self.grid_width):
if self.cells[row][col] == 1:
#(0, 0) (0, 20) (20, 0) (20, 20)
square_coords = (row * self.cell_size, col * self.cell_size,
row * self.cell_size, col * self.cell_size + self.cell_size,
row * self.cell_size + self.cell_size, col * self.cell_size,
row * self.cell_size + self.cell_size, col * self.cell_size + self.cell_size)
pyglet.graphics.draw_indexed(4, pyglet.gl.GL_TRIANGLES,
[0, 1, 2, 1, 2, 3],
('v2i', square_coords))
首先，我可以在generate_cellsthisself.cells = np.asarray(self.cells)和run_rulesthisself.cells = np.asarray(temp)末尾使用numpy添加，因为以前这样做不会带来加速，如here所示。(实际上更改为numpy不会带来明显的加速)
@jit，变得非常慢。
我还尝试使用@vectorize(['float32(float32, float32)'], target='cuda')，但这引发了一个问题：如何在仅将self作为输入参数的函数中使用@vectorize？
我也试过用numpy代替cupy，像self.cells = cupy.asarray(self.cells)，但也变得很慢。
其他信息：除了提供的代码之外，还有main.py文件：
import pyglet
from game_of_life import GameOfLife
class Window(pyglet.window.Window):
def __init__(self):
super().__init__(800,800)
self.gameOfLife = GameOfLife(self.get_size()[0],
self.get_size()[1],
15, # the lesser this value, more computation intensive will be
0.5)
pyglet.clock.schedule_interval(self.update, 1.0/24.0) # 24 frames per second
def on_draw(self):
self.clear()
self.gameOfLife.draw()
def update(self, dt):
self.gameOfLife.run_rules()
if __name__ == '__main__':
window = Window()
pyglet.app.run()
GPU
我不太理解您的示例，但我只需要推荐答案计算。经过几天的痛苦，我可能会明白它的用法，所以我会给你看，希望能对你有所帮助。 另外，我需要指出的是，在使用"；.kernel(Cuts，Cuts"；)时，我会放两个。因为第一个参数在传入时指定了类型，所以它将被核心用作遍历元素，不能被索引读取。所以我使用第二个来计算自由索引数据。
```
binsort_kernel = cp.ElementwiseKernel(
'int32 I,raw T cut,raw T ind,int32 row,int32 col,int32 q','raw T out,raw T bin,raw T num',
'''
int i_x = i / col;
int i_y = i % col;
int b_f = i_x*col;
int b_l = b_f+col;
int n_x = i_x * q;
int inx = i_x%row*col;
////////////////////////////////////////////////////////////////////////////////////////
int r_x = 0; int adi = 0; int adb = 0;
////////////////////////////////////////////////////////////////////////////////////////
if (i_y == 0)
{
for(size_t j=b_f; j<b_l; j++){
if (cut[j]<q){
r_x = inx + j -b_f;
adb = n_x + cut[j];
adi = bin[adb] + num[adb];
out[adi] = ind[r_x];
num[adb]+= 1;
}}
}
////////////////////////////////////////////////////////////////////////////////////////
''','binsort')
binsort_kernel(cuts,cuts,ind,row,col,q,iout,bins,bnum)
相关文章