python - 使用 pyopencl 进行 GPU 编程

Question

我对 GPU 编程非常陌生，我计划通过 Python 中的 pyopencl 访问 GPU。

不幸的是，这个主题没有太多支持，在深入研究之前，我认为向专家询问他们的经验可能是个好主意。

我计划在 GPU 上求解最大熵方程。我想要的方法是每次采用不同的输入运行代码 1000 次。

如果有人能为我指明这是否可行的正确方向，我将不胜感激。

谢谢

Answer 1

正如其他人已经评论的那样:是的 (py)OpenCl 是这项工作的“完美”工具。

我建议您查看示例以了解一切是如何工作的。 https://github.com/pyopencl/pyopencl/blob/master/examples

还有this pyOpenCL 作者的幻灯片值得一读。

一个简短的示例(没有导入和添加来自 here 的注释)

# Create some random test data
a_np = np.random.rand(50000).astype(np.float32)
b_np = np.random.rand(50000).astype(np.float32)

# Select a device
ctx = cl.create_some_context(interactive=True)
queue = cl.CommandQueue(ctx)

# Allocate memory on the device and copy the content of our numpy array    
mf = cl.mem_flags
a_g = cl.Buffer(ctx, mf.READ_ONLY | mf.COPY_HOST_PTR, hostbuf=a_np)
b_g = cl.Buffer(ctx, mf.READ_ONLY | mf.COPY_HOST_PTR, hostbuf=b_np)

# The code running on your device    
prg = cl.Program(ctx, """
__kernel void sum(
    __global const float *a_g, __global const float *b_g, __global float *res_g)
{
  int gid = get_global_id(0);
  res_g[gid] = a_g[gid] + b_g[gid];
}
""").build()

# Allocate the output buffer on the device
res_g = cl.Buffer(ctx, mf.WRITE_ONLY, a_np.nbytes)
# and call the above defined kernel
prg.sum(queue, a_np.shape, None, a_g, b_g, res_g)

# Create a numpy array for the results and copy them from the device
res_np = np.empty_like(a_np)
cl.enqueue_copy(queue, res_np, res_g)