Python GPU编程

Question

我目前正在做一个python项目，我想使用GPU进行一些计算。

乍一看，似乎有很多可用的工具；再看一眼，我觉得我错过了一些东西。

铜头看起来很棒，但还没有发布。看起来我只局限于编写低级的CUDA或openCL内核；没有推力，就没有cudpp。如果我想把东西整理好，我就得自己做了。

这对我来说似乎不太对。我是不是真的漏掉了什么？或者，这个GPU脚本还没有完全达到炒作的程度？

编辑: GPULIB似乎就是我需要的。文档是基本的，python绑定只是顺便提一下，但我现在正在申请一个下载链接。有谁有这方面的经验，或者链接到类似的免费供学术使用的GPU库？ReEdit:好吧，python绑定实际上是不存在的。

Edit2:所以我想我最好的选择是用C/CUDA编写一些东西，然后在python中调用它？

Answer 1

PyCUDA提供了与CUDA的非常好的集成，并且有几个助手接口，使得编写CUDA代码比直接在make中更容易。Here是维基的一个例子，它完全不需要任何C代码就可以进行2DFFT。

Answer 2

我将在这里发布一些我在reddit上读到的信息。对于那些不清楚不同包的作用以及它们如何将cuda与Python连接起来的人来说，这将是很有用的：

来自：Reddit

在这个帖子中，关于各种项目的目标是什么以及它们的准备程度有很多混乱之处。没有“NumPy的图形处理器后端”(更不用说任何SciPy的功能了)。有几种方法可以在Python和一些GPU类似数组的对象中编写CUDA代码，这些对象支持NumPy的ndarray方法的子集(但不是NumPy的其余部分，如linalg、fft等)。

• PyCUDA和PyOpenCL最接近。它们消除了许多围绕启动GPU内核的管道(简化的数组创建和内存传输，不需要手动释放，等等)。然而，在很大程度上，您仍然需要手动编写CUDA内核，它们恰好在Python文件中作为一个带三重引号的字符串。PyCUDA的GPUarray确实包括一些有限的类似于NumPy的功能，所以如果你正在做一些非常简单的事情，你可能不需要编写任何内核yourself.
• NumbaPro包括一个"cuda.jit“装饰器，它允许你使用Python语法编写CUDA内核。它实际上并不比PyCUDA (引用内核源码)有多大的进步，只是你的代码现在看起来更像Pythonic了。然而，它绝对不会自动在GPU.
• Theano上运行现有的NumPy代码，让你构建符号表达式树，然后编译它们在图形处理器上运行。它不是NumPy，并且只有一小部分NumPy的等价物，NumPy的functionality.
• gnumpy是围绕CudaMat的一个文档很少的包装器。唯一支持的元素类型是float32，并且只有一小部分NumPy是implemented.

Answer 3

我知道这个帖子很老了，但我想我可以带来一些相关的信息来回答你提出的问题。

Continuum提供了一个软件包，其中包含可为您解析CUDA计算的库。基本上，您需要使用装饰器对需要并行化(在函数内)的代码进行检测，并且需要导入库。因此，您不需要任何关于CUDA指令的知识。

信息可在NVIDIA页面上找到

https://developer.nvidia.com/anaconda-accelerate

或者您可以直接转到Continuum Analytics的页面

https://store.continuum.io/cshop/anaconda/

有30天的试用期和免费的学者执照。

我广泛地使用它，并将我的代码加速了10到50倍。