赞
踩
此文实例介绍了Python基于pyCUDA实现GPU加速并行计算功能。推荐给大伙学习一下,内容如下:
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CpyCUDA。
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:
调用基本例子
import pycuda.autoinit
import pycuda.driver as drv
import numpy
from pycuda.compiler import SourceModule
mod = 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
希望这篇文章对大家Python程序设计能有帮助。
本文来源:https://blog.csdn.net/u014636245/article/details/52985820
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。