【Python - GPU】基于Python的GPU加速并行计算 -- pyCUDA

Python实现的CUDA – pyCUDA

Nvidia的CUDA 架构为我们提供了一种便捷的方式来直接操纵GPU 并进行编程，但是基于
C语言的CUDA实现较为复杂，开发周期较长。而python 作为一门广泛使用的语言，具有
简单易学、语法简单、开发迅速等优点。作为第四种CUDA支持语言，相信python一定会
在高性能计算上有杰出的贡献–pyCUDA。

• pyCUDA特点

• pyCUDA工作流程

• 调用的基本例子

• 包含内容

pyCUDA特点

• CUDA完全的python实现

• 编码更为灵活、迅速、自适应调节代码

• 更好的鲁棒性，自动管理目标生命周期和错误检测

• 包含易用的工具包，包括基于GPU的线性代数库、reduction和scan，添加了快速傅里叶变换包和线性代数包LAPACK

• 完整的帮助文档Wiki

pyCUDA的工作流程

具体的调用流程如下：

调用基本例子

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.

具体内容

• 设备交互

• Profiler Control

• 动态编译

• OpenGL交互

• GPU数组

• 超编程技术

补充内容：对于GPU 加速python还有功能包，例如处理图像的pythonGPU加速包—— pyGPU

以及专门的GPU 加速python机器学习包—— scikitCUDA

Matlab对应的工具包并行计算工具箱和GPU计算技术
以及教程和介绍文档