cuda编程python接口_python pycuda进行GPU编程(并行编程 38)

类似的框架还有：numbapy pyopencl

CPU v.s. GPU

image.png

CPU是被设计用来处理复杂任务的，而GPU只能做好一件事-处理百万级的低级任务(原来是被用来生成3D图形中的三角形)，而且GPU有上千个ALU(算术逻辑单元)，而CPU通常只有8个。而且很多程序大部分时间都花在GPU擅长的简单运算上了，所以GPU加速程序很有必要。

CUDA编程有越来越复杂的趋势，但pyCUDA则大大简化了这个过程，并且拥有GPU加速的享受，所以面向GPU的高级编程正逐渐成为主流。

GPU内部图：

image.png

CUDA处理流程图：

![HelloGPU例子：

import pycuda.driver as drv

import pycuda.tools

import pycuda.autoinit

import numpy

import numpy.linalg as la

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))

print(dest-a*b)