Python を使用して CUDA プログラムを作成する方法の詳細な紹介

次のエディターは、Pythonを使用して CUDA プログラムを作成する方法に関する記事をお届けします。編集者はこれがとても良いものだと思ったので、皆さんの参考として今から共有します。エディターに従って見てみましょう

Python を使用して CUDA プログラムを作成するには 2 つの方法があります:

* Numba
* PyCUDA

numbapro は推奨されなくなり、機能は分割され統合されました。加速とNumbaに。

例

numba

Numba は、ジャストインタイム コンパイル メカニズム (JIT) を通じて Python コードを最適化し、CPU と GPU の両方の最適化をサポートします。 Numpy 統合と併用すると、以下に示すように、function、

の上に関連する命令マークを追加するだけです:

import numpy as np 
from timeit import default_timer as timer
from numba import vectorize
@vectorize(["float32(float32, float32)"], target='cuda')
def vectorAdd(a, b):
  return a + b
def main():
  N = 320000000
  A = np.ones(N, dtype=np.float32 )
  B = np.ones(N, dtype=np.float32 )
  C = np.zeros(N, dtype=np.float32 )
  start = timer()
  C = vectorAdd(A, B)
  vectorAdd_time = timer() - start
  print("c[:5] = " + str(C[:5]))
  print("c[-5:] = " + str(C[-5:]))
  print("vectorAdd took %f seconds " % vectorAdd_time)
if name == 'main':
  main()

PyCUDA

関数 (カーネル) は実際には C/C++ で記述されており、これを GPU マイクロコードに動的にコンパイルすることで、以下に示すように Python コードが GPU コードと対話します。関数アクセラレーション (Python を使用してカーネル関数を作成することもできます) は OpenACC に似ていますが、PyCUDA は独自のカーネルを作成し、実行時にコンパイルする必要があります。最下層は C/C++ に基づいています。テストによると、これら 2 つの方法の加速率は基本的に同じです。ただし、numba はブラック ボックスに近く、内部で何が行われているかわかりませんが、PyCUDA は非常に直感的であるように見えます。したがって、これら 2 つの方法には異なる用途があります:

* CUDA プログラミングを気にせず、独自のアルゴリズムを高速化したいだけの場合は、numba を直接使用する方が良いでしょう。 * CUDA プログラミングを学習および研究したい場合、または CUDA での特定のアルゴリズムの実現可能性を実験したい場合は、PyCUDA を使用してください。 * 作成したプログラムが将来 C/C++ に移植される場合は、PyCUDA を使用する必要があります。これは、PyCUDA を使用して作成されたカーネル自体が CUDA C/C++ で記述されているためです。

以上がPython を使用して CUDA プログラムを作成する方法の詳細な紹介の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。