Taichi的学习笔记

1 感想

南溪看了一些关于Taichi的资料，我感觉它就是“JIT+CUDA”的超强编译器，既具有“CUDA-C++”的超快速度，而且像numba.jit一样可以通过装饰器的方式使用，比较方便；

Note:
需要注意的是，Taichi跟原生PyTorch一样也不能基于Dataloader在dataset.__getitem__()中调用GPU来进行数据预处理。

Taichi具有具有以下库的同等作用：

• 类似OpenCV：基本的图像处理操作；

2 CPU优化性能：比不上PyTorch

下面的结果是我们比较Taichi和PyTorch在进行sum运算时的性能，可以看到，对于一维向量的求和操作在CPU上的性能，PyTorch的运算速度要比Taichi要快；

3 控制流

3.1 For-loop：仅最外层的for循环会被优化

今天在Taichi-Slack上看到一个有趣的问题：“Is it possible to format the for loop in such a way shown in the figure, putting a parallel-for in side a serial-for? Will the inside for loop be parallel?”，这里的关键是讨论Taichi是否可以优化多层循环；
答案是：Taichi只会优化最外层的for循环（No, only the for loop in the outermost scope can be parallelized.）。

Note
这也许就是为什么Taichi给出的demo中常常会使用单层for循环的原因。