开始使用PyOpenCL

Question

我最近发现了GPU(通用图形处理单元)的强大功能，并希望利用它在一台机器上执行“繁重”的科学和数学计算(否则需要大CPU集群)。

我知道有几个接口可以在GPU上运行，其中最突出的是CUDA和OpenCL。后者相对于CUDA具有优势，可以在大多数显卡(NVIDIA、AMD、Intel)上运行，而不仅仅是NVIDA卡。在我的例子中，我有一个普通的英特尔4000 GPU，似乎与OpenCL很好地合作。

现在，我需要学习如何使用PyOpenCL操作，以使它更深入！所以问题来了：

我怎么才能开始使用PyOpenCL呢？先决条件是什么？我真的需要在Python和/或OpenCL方面有经验吗？

我的背景是fortran，事实上，我需要将一个冗长的fortran代码转换为python (或者pyopencl)，主要是解决PDE和对角化矩阵。

我读过两个相关的网站http://enja.org/2011/02/22/adventures-in-pyopencl-part-1-getting-started-with-python/和http://documen.tician.de/pyopencl/，但它们对新手(即虚拟人)并没有真正的帮助。

我只是不知道该怎么开始。我不想成为这个领域的专家，我只是想知道如何将简单的数学和线性代数并行到pyopencl上。

任何建议和帮助都是非常欢迎的！

Answer 1

似乎你正在寻找最快和最有效的途径来学习PyOpenCL。开始时不需要了解OpenCL (困难的部分)，但是在开始时了解Python会很有帮助。

为了快速学习Python语法，我推荐Codecademy的Python曲目：http://www.codecademy.com/tracks/python

然后，Udacity并行编程课程是从GPGPU开始的一个很好的地方(尽管这门课程是用CUDA教授的)。https://www.udacity.com/course/cs344本课程将很快教你基本的GPGPU概念。您将不需要一个NVIDIA GPU参与，因为所有的课程评估都是在线进行的。

在Udacity课程之后(或期间)，我建议您阅读、运行和自定义PyOpenCL代码示例：https://github.com/inducer/pyopencl/tree/master/examples

Answer 2

不管GPGPU计算采用哪种语言，比如Java、C/C++、Python，我建议您首先了解GPGPU计算和OpenCL的基础知识。

您可以使用以下资源--所有这些资源都是面向C/C++的--但是如果您对OpenCL、GPGPU硬件有足够的了解，就可以开始工作了。

1. AMD OpenCL大学工具包
2. 异类计算与OpenCL图书第二版
3. NVIDIA OpenCL页面是另一个极好的资源。
4. Streamcomputing.eu有不错的openCL入门文章。
5. 英特尔OpenCL SDK教程

PyOpenCL特异性

1. 行动中的OpenCL :如何加速图形和计算有一个关于PyOpenCL的章节
2. OpenCL编程指南有PyOpenCL一章

这两本书都包含OpenCL 1.1实现，但对您来说应该是一个很好的起点。

Answer 3

作为GPU编程新手，我发现您提到的相关文章相当简单，尽管我发现示例代码完全从命令行运行，但在Eclipse中却没有使用Anaconda。我认为这可能是因为anaconda的Eclipse不同于命令行版本，而且我还没有解决这个问题。

对于学习python，有大量的在线资源，包括免费电子书。

https://wiki.python.org/moin/BeginnersGuide http://codecondo.com/10-ways-to-learn-python/

应该是个好的开场白。如果您使用Eclipse，您应该安装pydev。无论如何，安装Anaconda https://docs.continuum.io/anaconda/install，因为这将为您节省很多麻烦。

为了达到Python所需的熟练程度，我估计一个星期左右的时间，只要你有几个简单的迷你项目。您可能还会发现，使用numpy和may以及可能的ipython笔记本，您可能不需要深入研究GPU编程。

这些链接可以帮助您避免GPU编程，或者至少延迟学习它。请注意，在内核之间切换的成本意味着您没有为每个核心分配大量的工作量。

http://blog.dominodatalab.com/simple-parallelization/ https://pythonhosted.org/joblib/parallel.html

一般来说，我发现一次只学一件东西会更有效率，甚至更少乐趣。

我希望这能帮到你。