cuda-Python GPU编程

我目前正在使用python开发一个项目，我想利用GPU进行一些计算。

乍一看，似乎有许多可用的工具。 乍一看，我觉得我错过了一些东西。

Copperhead看起来很棒，但尚未发布。 看来，我只限于编写低级CUDA或openCL内核。 没有推力，没有cudpp。 如果id想要进行某种排序，我必须自己完成。

在我看来，这似乎不太正确。 我确实想念什么吗？ 还是这种GPU脚本还不完全符合宣传要求？

编辑：GPULIB似乎可能是我需要的。 文档是基本的，并且仅以顺便提及了python绑定，但是我现在正在申请下载链接。 是否有人对此有经验，或是否有类似的供学术免费使用的GPU库的链接？ 重新编辑：好的，python绑定实际上不存在。

Edit2：所以我猜我最好的选择是用C / CUDA编写一些东西，然后从python调用它？

7个解决方案

28 votes

PyCUDA提供了与CUDA的很好的集成，并且具有多个帮助程序接口，与直接编写C api相比，使编写CUDA代码更加容易。 这是来自Wiki的示例，该示例无需任何C代码即可进行2D FFT。

Joseph Lisee answered 2020-01-13T17:19:08Z

10 votes

我将在这里发布一些我在reddit上阅读的信息。 对于不了解不同程序包功能以及如何将cuda与Python连接的人来说将很有用：

从：Reddit

在这个线程中，关于各种项目打算做什么以及它们准备得如何有很多困惑。 没有“用于NumPy的GPU后端”(对于SciPy的任何功能都少得多)。 有几种方法可以在Python和一些类似GPU数组的对象中编写CUDA代码，这些对象支持NumPy的ndarray方法的子集(但不支持其余的NumPy，例如linalg，fft等)。

PyCUDA和PyOpenCL最接近。 它们消除了启动GPU内核周围的许多麻烦问题(简化了阵列创建和内存传输，无需手动释放等等)。 但是，在大多数情况下，您仍然无法手动编写CUDA内核，它们恰好以三引号字符串的形式出现在Python文件中。 PyCUDA的GPUarray确实包含一些类似于NumPy的功能，因此，如果您做的非常简单，则可能无需自己编写任何内核就可以逃脱。

NumbaPro包含一个“ cuda.jit”装饰器，使您可以使用Python语法编写CUDA内核。 实际上，与PyCUDA所做的事情(引用的内核源代码)相比，并没有太大的进步，只是您的代码现在看起来更像Python。 但是，它绝对不会自动在GPU上运行现有的NumPy代码。

Theano允许您构造符号表达树，然后编译它们以在GPU上运行。 它不是NumPy，仅具有一小部分NumPy功能的等效项。

gnumpy是围绕CudaMat的薄薄包装纸。 唯一受支持的元素类型是float32，并且仅实现了NumPy的一小部分。

Ramon Martinez answered 2020-01-13T17:19:57Z

7 votes

我知道这个线程很旧，但是我想我可以带一些相关信息来回答所问的问题。

Continuum Analytics的软件包中包含可为您解析CUDA计算的库。 基本上，您需要用装饰器检测需要并行化(在函数内)的代码，并且需要导入库。 因此，您不需要任何有关CUDA指令的知识。

信息可以在NVIDIA页面上找到

[https://developer.nvidia.com/anaconda-accelerate]

或者您可以直接转到Continuum Analytics'页面

[https://store.continuum.io/cshop/anaconda/]

试用期为30天，并为学者提供免费许可证。

我广泛使用它，并将代码加速10到50次。

Bogdan answered 2020-01-13T17:20:48Z

5 votes

Theano看起来可能就是您要找的东西。 据我了解，它非常有能力在GPU上进行一些繁重的数学运算，并且似乎可以得到积极维护。

祝好运！

katzenklavier answered 2020-01-13T17:21:13Z

2 votes

检查此页面以获取随Anaconda分发的开源库[https://www.anaconda.com/blog/developer-blog/open-sourcing-anaconda-accelerate/]

“今天，我们发布了两个新的Numba子项目pyculib和pyculib_sorting，其中包含NVIDIA GPU库Python包装器和Accelerate的排序功能。这些包装器可与NumPy阵列和Numba GPU设备阵列配合使用，以从中访问加速功能 ：cuBLAS：线性代数cuFFT：快速傅立叶变换cuSparse：稀疏矩阵运算cuRand：随机数生成(仅主机功能)排序：从CUB和ModernGPU移植的快速排序算法展望未来，Numba项目将负责pyculib和pyculib_sorting，并在新的Numba版本发布时根据需要发布更新。 这些项目都是BSD许可的，就像Numba一样，

Cristiana S. Parada answered 2020-01-13T17:21:39Z

1 votes

您看过PyGPU吗？

[http://fileadmin.cs.lth.se/cs/Personal/Calle_Lejdfors/pygpu/]

onteria_ answered 2020-01-13T17:22:03Z

0 votes

我可以推荐scikits.cuda。 但为此，您需要下载CULA完整版(学生免费)。 另一个是CUV。如果您正在寻找更好的东西并且愿意为此付出代价，还可以看看array fire。

Moj answered 2020-01-13T17:22:24Z