CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章使用GPU.js改善JavaScript性能由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

使用GPU.js改善JavaScript性能 。

你是否曾经尝试过运行复杂的计算，却发现它需要花费很长时间，并且拖慢了你的进程？

有很多方法可以解决这个问题，例如使用web worker或后台线程。GPU减轻了CPU的处理负荷，给了CPU更多的空间来处理其他进程。同时，web worker仍然运行在CPU上，但是运行在不同的线程上.

在该初学者指南中，我们将演示如何使用GPU.js执行复杂的数学计算并提高JavaScript应用的性能.

什么是GPU.js？

GPU.js是一个针对Web和Node.js构建的JavaScript加速库，用于在图形处理单元(GPGPU)上进行通用编程，它使你可以将复杂且耗时的计算移交给GPU而不是CPU，以实现更快的计算和操作。还有一个备用选项：在系统上没有GPU的情况下，这些功能仍将在常规JavaScript引擎上运行.

当你要执行复杂的计算时，实质上是将这种负担转移给系统的GPU而不是CPU，从而增加了处理速度和时间.

高性能计算是使用GPU.js的主要优势之一。如果你想在浏览器中进行并行计算，而不了解WebGL，那么GPU.js是一个适合你的库.

为什么要使用GPU.js 。

为什么要使用GPU执行复杂的计算的原因不胜枚举，有太多的原因无法在一篇文章中探讨。以下是使用GPU的一些最值得注意的好处.

• GPU可用于执行大规模并行GPGPU计算。这是需要异步完成的计算类型
• 当系统中没有GPU时，它会优雅地退回到JavaScript
• GPU当前在浏览器和Node.js上运行，非常适合通过大量计算来加速网站
• GPU.js是在考虑JavaScript的情况下构建的，因此这些功能均使用合法的JavaScript语法

如果你认为你的处理器可以胜任，你不需要GPU.js，看看下面这个GPU和CPU运行计算的结果.

如你所见，GPU比CPU快22.97倍.

GPU.js的工作方式 。

考虑到这种速度水平，JavaScript生态系统仿佛得到了一个可以乘坐的火箭。GPU可以帮助网站更快地加载，特别是必须在首页上执行复杂计算的网站。你不再需要担心使用后台线程和加载器，因为GPU运行计算的速度是普通CPU的22.97倍.

gpu.createKernel 方法创建了一个从JavaScript函数移植过来的GPU加速内核.

与GPU并行运行内核函数会导致更快的计算速度——快1-15倍，这取决于你的硬件.

GPU.js入门 。

为了展示如何使用GPU.js更快地计算复杂的计算，让我们快速启动一个实际的演示.

安装 。

sudo apt install mesa-common-dev libxi-dev  // using Linux  。

npm 。

npm install gpu.js --save  。

// OR  。

yarn add gpu.js  。

在你的Node项目中要导入GPU.js.

import { GPU } from ('gpu.js')   。

// OR  。

const { GPU } = require('gpu.js')   。

const gpu = new GPU();  。

乘法演示 。

在下面的示例中，计算是在GPU上并行完成的.

首先，生成大量数据.

const getArrayValues = () => {  。

  。

  // 在此处创建2D arrary  。

  const values = [[], []]  。

  。

  // 将值插入第一个数组  。

  for (let y = 0; y < 600; y++){  。

    values[0].push([])  。

    values[1].push([])  。

  。

    // 将值插入第二个数组  。

    for (let x = 0; x < 600; x++){  。

      values\[0\][y].push(Math.random())  。

      values\[1\][y].push(Math.random())  。

    }  。

  }  。

  。

  // 返回填充数组  。

  return values  。

}  。

创建内核(运行在GPU上的函数的另一个词).

const gpu = new GPU();  。

  。

// 使用 `createKernel()` 方法将数组相乘  。

const multiplyLargeValues = gpu.createKernel(function(a, b) {  。

  let sum = 0;  。

  for (let i = 0; i < 600; i++) {  。

    sum += a\[this.thread.y\][i] * b\[i\][this.thread.x];  。

  }  。

  return sum;  。

}).setOutput([600, 600])  。

使用矩阵作为参数调用内核.

const largeArray = getArrayValues()   。

const out = multiplyLargeValues(largeArray[0], largeArray[1])  。

输出 。

console.log(out\[y\][x]) // 将元素记录在数组的第x行和第y列   。

console.log(out\[10\][12]) // 记录输出数组第10行和第12列的元素  。

运行GPU基准测试 。

你可以按照GitHub上指定的步骤运行基准测试.

npm install @gpujs/benchmark   。

const benchmark = require('@gpujs/benchmark')   。

const benchmarks = benchmark.benchmark(options);  。

options 对象包含可以传递给基准的各种配置.

前往GPU.js官方网站查看完整的计算基准，这将帮助你了解使用GPU.js进行复杂计算可以获得多少速度.

结束 。

在本教程中，我们详细探讨了GPU.js，分析了它的工作原理，并演示了如何进行并行计算。我们还演示了如何在你的Node.js应用中设置GPU.js.

原文地址：https://juejin.cn/post/6901937641517350919 。

最后此篇关于使用GPU.js改善JavaScript性能的文章就讲到这里了,如果你想了解更多关于使用GPU.js改善JavaScript性能的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。