Python實現的CUDA – pyCUDA

Nvidia的CUDA 架構為我們提供了一種便捷的方式來直接操縱GPU 並進行程式設計，但是基於
C語言的CUDA實現較為複雜，開發週期較長。而python 作為一門廣泛使用的語言，具有
簡單易學、語法簡單、開發迅速等優點。作為第四種CUDA支援語言，相信python一定會
在高效能運算上有傑出的貢獻–pyCUDA。

• pyCUDA特點

• pyCUDA工作流程

• 呼叫的基本例子

• 包含內容

pyCUDA特點

• CUDA完全的python實現

• 編碼更為靈活、迅速、自適應調節程式碼

• 更好的魯棒性，自動管理目標生命週期和錯誤檢測

• 包含易用的工具包，包括基於GPU的線性代數庫、reduction和scan，添加了快速傅立葉變換包和線性代數包LAPACK

• 完整的幫助文件Wiki

pyCUDA的工作流程

具體的呼叫流程如下：

呼叫基本例子

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.
 

具體內容

• 裝置互動

• Profiler Control

• 動態編譯

• OpenGL互動

• GPU陣列

• 超程式設計技術

補充內容：對於GPU 加速python還有功能包，例如處理影象的pythonGPU加速包—— pyGPU

以及專門的GPU 加速python機器學習包—— scikitCUDA

Matlab對應的工具包平行計算工具箱和GPU計算技術
以及教程和介紹文件