CPU-GPU并行编程（Python）

Question

是否有一种方法可以同时在CPU和GPU（使用Python）上运行函数？我已经在使用Numba对GPU上的计算密集型功能进行线程级调度，但是现在我还需要在CPU-GPU之间添加并行性。一旦确保GPU共享内存具有开始处理的所有数据，就需要触发GPU启动，然后使用CPU在主机上并行运行某些功能。

我确信GPU返回数据所花费的时间比CPU完成任务所花费的时间多得多。因此，一旦GPU完成处理，CPU就已经在等待将数据提取到主机。是否有标准的库/方法来实现这一目标？感谢这方面的任何指示。

Answer 1

感谢罗伯特和安德。我在想类似的思路，但不是很确定。我检查了一下，直到在内核之间进行一些同步以完成任务为止（例如使用CuPy时，例如cp.cuda.Device（）。synchronize（）），我实际上是在并行运行GPU-CPU。再次感谢。 Numba的一般流程是使gpu_function和cpu_function并行运行，如下所示：

    """ GPU has buffer full to start processing Frame N-1 """
    tmp_gpu = cp.asarray(tmp_cpu)
    gpu_function(tmp_gpu)
    """ CPU receives Frame N over TCP socket """
    tmp_cpu = cpu_function()
    """ For instance we know cpu_function takes [a little] longer than gpu_function """
     cp.cuda.Device().synchronize()

当然，通过使用PING-PONG缓冲区和初始帧延迟，我们甚至可以消除将tmp_cpu传输到tmp_gpu所花费的时间。