目錄
- CUDA的線程與塊
- 用GPU打印線程編號
- 用GPU打印塊編號
- 用GPU打印塊的維度
- 用GPU打印線程的維度
- 總結
- GPU所支持的最大并行度
- GPU的加速效果
- 總結概要
CUDA的線程與塊
GPU從計算邏輯來講，可以認為是一個高并行度的計算陣列，我們可以想象成一個二維的像圍棋棋盤一樣的網格，每一個格子都可以執行一個單獨的任務，并且所有的格子可以同時執行計算任務，這就是GPU加速的來源。那么剛才所提到的棋盤，每一列都認為是一個線程，并有自己的線程編號；每一行都是一個塊，有自己的塊編號。我們可以通過一些簡單的程序來理解這其中的邏輯：
用GPU打印線程編號
# numba_cuda_test.py
from numba import cuda
@cuda.jit
def gpu():
print ('threadIdx:', cuda.threadIdx.x)
if __name__ == '__main__':
gpu[2,4]()
threadIdx: 0
threadIdx: 1
threadIdx: 2
threadIdx: 3
threadIdx: 0
threadIdx: 1
threadIdx: 2
threadIdx: 3
用GPU打印塊編號
# numba_cuda_test.py
from numba import cuda
@cuda.jit
def gpu():
print ('blockIdx:', cuda.blockIdx.x)
if __name__ == '__main__':
gpu[2,4]()
blockIdx: 0
blockIdx: 0
blockIdx: 0
blockIdx: 0
blockIdx: 1
blockIdx: 1
blockIdx: 1
blockIdx: 1
用GPU打印塊的維度
# numba_cuda_test.py
from numba import cuda
@cuda.jit
def gpu():
print ('blockDim:', cuda.blockDim.x)
if __name__ == '__main__':
gpu[2,4]()
blockDim: 4
blockDim: 4
blockDim: 4
blockDim: 4
blockDim: 4
blockDim: 4
blockDim: 4
blockDim: 4
用GPU打印線程的維度
# numba_cuda_test.py
from numba import cuda
@cuda.jit
def gpu():
print ('gridDim:', cuda.gridDim.x)
if __name__ == '__main__':
gpu[2,4]()
gridDim: 2
gridDim: 2
gridDim: 2
gridDim: 2
gridDim: 2
gridDim: 2
gridDim: 2
gridDim: 2
總結
我們可以用如下的一張圖來總結剛才提到的GPU網格的概念，在上面的測試案例中，我們在GPU上劃分一塊2*4大小的陣列用于我們自己的計算，每一行都是一個塊，每一列都是一個線程，所有的網格是同時執行計算的內容的（如果沒有邏輯上的依賴的話）。
GPU所支持的最大并行度
我們可以用幾個簡單的程序來測試一下GPU的并行度，因為每一個GPU上的網格都可以獨立的執行一個任務，因此我們認為可以分配多少個網格，就有多大的并行度。本機的最大并行應該是在\(2^40\)，因此假設我們給GPU分配\(2^50\)大小的網格，程序就會報錯：
# numba_cuda_test.py
from numba import cuda
@cuda.jit
def gpu():
pass
if __name__ == '__main__':
gpu[2**50,1]()
print ('Running Success!')
運行結果如下：
Traceback (most recent call last):
File "numba_cuda_test.py", line 10, in module>
gpu[2**50,1]()
File "/home/dechin/.local/lib/python3.7/site-packages/numba/cuda/compiler.py", line 822, in __call__
self.stream, self.sharedmem)
File "/home/dechin/.local/lib/python3.7/site-packages/numba/cuda/compiler.py", line 966, in call
kernel.launch(args, griddim, blockdim, stream, sharedmem)
File "/home/dechin/.local/lib/python3.7/site-packages/numba/cuda/compiler.py", line 699, in launch
cooperative=self.cooperative)
File "/home/dechin/.local/lib/python3.7/site-packages/numba/cuda/cudadrv/driver.py", line 2100, in launch_kernel
None)
File "/home/dechin/.local/lib/python3.7/site-packages/numba/cuda/cudadrv/driver.py", line 300, in safe_cuda_api_call
self._check_error(fname, retcode)
File "/home/dechin/.local/lib/python3.7/site-packages/numba/cuda/cudadrv/driver.py", line 335, in _check_error
raise CudaAPIError(retcode, msg)
numba.cuda.cudadrv.driver.CudaAPIError: [1] Call to cuLaunchKernel results in CUDA_ERROR_INVALID_VALUE
而如果我們分配一個額定大小之內的網格，程序就可以正常的運行：
# numba_cuda_test.py
from numba import cuda
@cuda.jit
def gpu():
pass
if __name__ == '__main__':
gpu[2**30,1]()
print ('Running Success!')
這里加了一個打印輸出：
Running Success!
需要注意的是，兩個維度上的可分配大小是不一致的，比如本機的上限是分配230*210大小的空間用于計算：
# numba_cuda_test.py
from numba import cuda
@cuda.jit
def gpu():
pass
if __name__ == '__main__':
gpu[2**30,2**10]()
print ('Running Success!')
同樣的，只要在允許的范圍內都是可以執行成功的：
Running Success!
如果在本機上有多塊GPU的話，還可以通過select_device的指令來選擇執行指令的GPU編號：
# numba_cuda_test.py
from numba import cuda
cuda.select_device(1)
import time
@cuda.jit
def gpu():
pass
if __name__ == '__main__':
gpu[2**30,2**10]()
print ('Running Success!')
如果兩塊GPU的可分配空間一致的話，就可以運行成功：
Running Success!
GPU的加速效果
前面我們經常提到一個詞叫GPU加速，GPU之所以能夠實現加速的效果，正源自于GPU本身的高度并行性。這里我們直接用一個數組求和的案例來說明GPU的加速效果，這個案例需要得到的結果是\(b_j=a_j+b_j\)，將求和后的值賦值在其中的一個輸入數組之上，以節省一些內存空間。當然，如果這個數組還有其他的用途的話，是不能這樣操作的。具體代碼如下：
# gpu_add.py
from numba import cuda
cuda.select_device(1)
import numpy as np
import time
@cuda.jit
def gpu(a,b,DATA_LENGHTH):
idx = cuda.threadIdx.x + cuda.blockIdx.x * cuda.blockDim.x
if idx DATA_LENGHTH:
b[idx] += a[idx]
if __name__ == '__main__':
np.random.seed(1)
DATA_EXP_LENGTH = 20
DATA_DIMENSION = 2**DATA_EXP_LENGTH
np_time = 0.0
nb_time = 0.0
for i in range(100):
a = np.random.randn(DATA_DIMENSION).astype(np.float32)
b = np.random.randn(DATA_DIMENSION).astype(np.float32)
a_cuda = cuda.to_device(a)
b_cuda = cuda.to_device(b)
time0 = time.time()
gpu[DATA_DIMENSION,4](a_cuda,b_cuda,DATA_DIMENSION)
time1 = time.time()
c = b_cuda.copy_to_host()
time2 = time.time()
d = np.add(a,b)
time3 = time.time()
if i == 0:
print ('The error between numba and numpy is: ', sum(c-d))
continue
np_time += time3 - time2
nb_time += time1 - time0
print ('The time cost of numba is: {}s'.format(nb_time))
print ('The time cost of numpy is: {}s'.format(np_time))
需要注意的是，基于Numba實現的Python的GPU加速程序，采用的jit即時編譯的模式，也就是說，在運行調用到相關函數時，才會對其進行編譯優化。換句話說，第一次執行這一條指令的時候，事實上達不到加速的效果，因為這個運行的時間包含了較長的一段編譯時間。但是從第二次運行調用開始，就不需要重新編譯，這時候GPU加速的效果就體現出來了，運行結果如下：
$ python3 gpu_add.py The error between numba and numpy is: 0.0
The time cost of numba is: 0.018711328506469727s
The time cost of numpy is: 0.09502553939819336s
可以看到，即使是相比于Python中優化程度十分強大的的Numpy實現，我們自己寫的GPU加速的程序也能夠達到5倍的加速效果（在前面一篇博客中，針對于特殊計算場景，加速效果可達1000倍以上），而且可定制化程度非常之高。
總結概要
本文針對于Python中使用Numba的GPU加速程序的一些基本概念和實現的方法，比如GPU中的線程和模塊的概念，以及給出了一個矢量加法的代碼案例，進一步說明了GPU加速的效果。需要注意的是，由于Python中的Numba實現是一種即時編譯的技術，因此第一次運算時的時間會明顯較長，所以我們一般說GPU加速是指從第二步開始的運行時間。對于一些工業和學界常見的場景，比如分子動力學模擬中的系統演化，或者是深度學習與量子計算中的參數優化，都是相同維度參數多步運算的一個過程，非常適合使用即時編譯的技術，配合以GPU高度并行化的加速效果，能夠在實際工業和學術界的各種場景下發揮巨大的作用。
到此這篇關于Python實現GPU加速的基本操作的文章就介紹到這了,更多相關Python GPU加速內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python基于pyCUDA實現GPU加速并行計算功能入門教程
