我想并行化我的Python代码,我正在尝试使用PyCuda。到目前为止我看到的是你必须在C代码中编写一个“内核”。这个内核将被并行化。我对吗?示例(从https://documen.tician.de/pycuda/tutorial.html加倍一组随机数):
import pycuda.driver as cuda
import pycuda.autoinit
from pycuda.compiler import SourceModule
import numpy
a = numpy.random.randn(4, 4)
a = a.astype(numpy.float32)
a_gpu = cuda.mem_alloc(a.nbytes)
cuda.memcpy_htod(a_gpu, a)
# Kernel:
mod = SourceModule("""
__global__ void doublify(float *a)
{
int idx = threadIdx.x + threadIdx.y*4;
a[idx] *= 2;
}
""")
func = mod.get_function("doublify")
func(a_gpu, block=(4, 4, 1))
a_doubled = numpy.empty_like(a)
cuda.memcpy_dtoh(a_doubled, a_gpu)
print(a_doubled)
print(a)
关键是我的Python代码有类和其他所有适合Python的东西,不适合C(即不能翻译成C)。
让我澄清一下:我有256个独立的for循环,我想并行化。这些循环包含无法转换为C的Python代码。
如何在不将我的代码转换为C的情况下将实际Python代码与PyCuda并行化?
你不能。
PyCUDA不支持设备端python,所有设备代码必须用CUDA C方言编写。
Numba包含一个直接的Python编译器,它可以允许在GPU上直接编译和运行极其有限的Python语言特性子集。这不包括访问任何Python库,如numpy,scipy等。