目錄
- 技術背景
- 加速場景
- 基于Numba的GPU加速
- 總結概要
技術背景
GPU加速是現(xiàn)代工業(yè)各種場景中非常常用的一種技術，這得益于GPU計算的高度并行化。在Python中存在有多種GPU并行優(yōu)化的解決方案，包括之前的博客中提到的cupy、pycuda和numba.cuda，都是GPU加速的標志性Python庫。這里我們重點推numba.cuda這一解決方案，因為cupy的優(yōu)勢在于實現(xiàn)好了的眾多的函數(shù)，在算法實現(xiàn)的靈活性上還比較欠缺；而pycuda雖然提供了很好的靈活性和相當高的性能，但是這要求我們必須在Python的代碼中插入C代碼，這顯然是非常不Pythonic的解決方案。因此我們可以選擇numba.cuda這一解決方案，只要在Python函數(shù)前方加一個numba.cuda.jit的修飾器，就可以在Python中用最Python的編程語法，實現(xiàn)GPU的加速效果。
加速場景
我們需要先了解的是，GPU在什么樣的計算場景下能夠實現(xiàn)加速的效果，很顯然的是，并不是所有的計算過程都能在GPU上表現(xiàn)出加速的效果。前面說道，GPU的加速作用，是源自于高度的并行化，所謂的并行，就要求進程之前互不干擾或者依賴。如果說一個進程的計算過程或者結果，依賴于另一個進程中的計算結果，那么就無法實現(xiàn)完全的并行，只能使用串行的技術。這里為了展示GPU加速的效果，我們就引入一個在分子動力學模擬領域中常見的問題：近鄰表的計算。
近鄰表計算的問題是這樣描述的：給定一堆數(shù)量為n的原子系統(tǒng)，每一個原子的三維坐標都是已知的，給定一個截斷常數(shù)d0，當兩個原子之間的距離di,j=d0時，則認為這兩個原子是相鄰近的原子。那么最終我們需要給出一個0-1矩陣Ai,j，當Ai,j=0時，表示i,j兩個原子互不相鄰，反之則相鄰。那么對于這個問題場景，我們就可以并行化的遍歷n×n的空間，直接輸出An×n大小的近鄰表。這個計算場景是一個非常適合用GPU來加速的計算，以下我們先看一下不用GPU加速時的常規(guī)實現(xiàn)方案：
# cuda_neighbor_list.py
from numba import jit
from numba import cuda
import numpy as np
@jit
def neighbor_list(crd, neighbors, data_length, cutoff):
"""CPU based neighbor list calculation.
"""
for i in range(data_length):
for j in range(i+1, data_length):
if np.linalg.norm(crd[i]-crd[j]) = cutoff:
neighbors[i][j] = 1
neighbors[j][i] = 1
return neighbors
if __name__ == '__main__':
np.random.seed(1)
atoms = 2**2
cutoff = 0.5
crd = np.random.random((atoms,3))
adjacent = np.zeros((atoms, atoms))
adjacent = neighbor_list(crd, adjacent, atoms, cutoff)
print (adjacent)
這是最常規(guī)的一種CPU上的實現(xiàn)方案，遍歷所有的原子，計算原子間距，然后填充近鄰表。這里我們還使用到了numba.jit即時編譯的功能，這個功能是在執(zhí)行到相關函數(shù)時再對其進行編譯的方法，在矢量化的計算中有可能使用到芯片廠商所提供的SIMD的一些優(yōu)化。當然，這里都是CPU層面的執(zhí)行和優(yōu)化，執(zhí)行結果如下：
$ python3 cuda_neighbor_list.py
[[0. 0. 0. 0.]
[0. 0. 1. 0.]
[0. 1. 0. 1.]
[0. 0. 1. 0.]]
這個輸出的結果就是一個0-1近鄰表。
基于Numba的GPU加速
對于上述的近鄰表計算的場景，我們很容易的想到這個neighbor_list函數(shù)可以用GPU的函數(shù)來進行改造。對于每一個di,j我們都可以啟動一個線程去執(zhí)行計算，類似于CPU上的SIMD技術，GPU中的這項優(yōu)化稱為SIMT。而在Python中改造成GPU函數(shù)的方法也非常簡單，只需要把函數(shù)前的修飾器改一下，去掉函數(shù)內部的for循環(huán)，就基本完成了，比如下面這個改造的近鄰表計算的案例：
# cuda_neighbor_list.py
from numba import jit
from numba import cuda
import numpy as np
@jit
def neighbor_list(crd, neighbors, data_length, cutoff):
"""CPU based neighbor list calculation.
"""
for i in range(data_length):
for j in range(i+1, data_length):
if np.linalg.norm(crd[i]-crd[j]) = cutoff:
neighbors[i][j] = 1
neighbors[j][i] = 1
return neighbors
@cuda.jit
def cuda_neighbor_list(crd, neighbors, cutoff):
"""GPU based neighbor list calculation.
"""
i, j = cuda.grid(2)
dis = ((crd[i][0]-crd[j][0])**2+\
(crd[i][1]-crd[j][1])**2+\
(crd[i][2]-crd[j][2])**2)**0.5
neighbors[i][j] = dis = cutoff[0] and dis > 0
if __name__ == '__main__':
import time
np.random.seed(1)
atoms = 2**5
cutoff = 0.5
cutoff_cuda = cuda.to_device(np.array([cutoff]).astype(np.float32))
crd = np.random.random((atoms,3)).astype(np.float32)
crd_cuda = cuda.to_device(crd)
adjacent = np.zeros((atoms, atoms)).astype(np.float32)
adjacent_cuda = cuda.to_device(adjacent)
time0 = time.time()
adjacent_c = neighbor_list(crd, adjacent, atoms, cutoff)
time1 = time.time()
cuda_neighbor_list[(atoms, atoms), (1, 1)](crd_cuda,
adjacent_cuda,
cutoff_cuda)
time2 = time.time()
adjacent_g = adjacent_cuda.copy_to_host()
print ('The time cost of CPU with numba.jit is: {}s'.format(\
time1-time0))
print ('The time cost of GPU with cuda.jit is: {}s'.format(\
time2-time1))
print ('The result error is: {}'.format(np.sum(adjacent_c-\
adjacent_g)))
需要說明的是，當前Numba并未支持所有的numpy的函數(shù)，因此有一些計算的功能需要我們自己去手動實現(xiàn)一下，比如計算一個Norm的值。這里我們在輸出結果中不僅統(tǒng)計了結果的正確性，也給出了運行的時間：
$ python3 cuda_neighbor_list.py
The time cost of CPU with numba.jit is: 0.6401469707489014s
The time cost of GPU with cuda.jit is: 0.19208502769470215s
The result error is: 0.0
需要說明的是，這里僅僅運行了一次的程序，而jit即時編譯的加速效果在第一次的運行中其實并不明顯，甚至還有一些速度偏慢，但是在后續(xù)過程的函數(shù)調用中，就能夠起到比較大的加速效果。所以這里的運行時間并沒有太大的代表性，比較有代表性的時間對比可以看如下的案例：
# cuda_neighbor_list.py
from numba import jit
from numba import cuda
import numpy as np
@jit
def neighbor_list(crd, neighbors, data_length, cutoff):
"""CPU based neighbor list calculation.
"""
for i in range(data_length):
for j in range(i+1, data_length):
if np.linalg.norm(crd[i]-crd[j]) = cutoff:
neighbors[i][j] = 1
neighbors[j][i] = 1
return neighbors
@cuda.jit
def cuda_neighbor_list(crd, neighbors, cutoff):
"""GPU based neighbor list calculation.
"""
i, j = cuda.grid(2)
dis = ((crd[i][0]-crd[j][0])**2+\
(crd[i][1]-crd[j][1])**2+\
(crd[i][2]-crd[j][2])**2)**0.5
neighbors[i][j] = dis = cutoff[0] and dis > 0
if __name__ == '__main__':
import time
np.random.seed(1)
atoms = 2**10
cutoff = 0.5
cutoff_cuda = cuda.to_device(np.array([cutoff]).astype(np.float32))
crd = np.random.random((atoms,3)).astype(np.float32)
crd_cuda = cuda.to_device(crd)
adjacent = np.zeros((atoms, atoms)).astype(np.float32)
adjacent_cuda = cuda.to_device(adjacent)
time_c = 0.0
time_g = 0.0
for _ in range(100):
time0 = time.time()
adjacent_c = neighbor_list(crd, adjacent, atoms, cutoff)
time1 = time.time()
cuda_neighbor_list[(atoms, atoms), (1, 1)](crd_cuda,
adjacent_cuda,
cutoff_cuda)
time2 = time.time()
if _ != 0:
time_c += time1 - time0
time_g += time2 - time1
print ('The total time cost of CPU with numba.jit is: {}s'.format(\
time_c))
print ('The total time cost of GPU with cuda.jit is: {}s'.format(\
time_g))
這個案例中也沒有修改較多的地方，只是把一次計算的時間調整為多次計算的時間，并且忽略第一次計算過程中的即時編譯，最終輸出結果如下：
$ python3 cuda_neighbor_list.py
The total time cost of CPU with numba.jit is: 14.955506563186646s
The total time cost of GPU with cuda.jit is: 0.018685102462768555s
可以看到，在GPU加速后，相比于CPU的高性能運算，能夠提速達將近1000倍！
總結概要
對于Pythoner而言，苦其性能已久。如果能夠用一種非常Pythonic的方法來實現(xiàn)GPU的加速效果，對于Pythoner而言無疑是巨大的好消息，Numba就為我們提供了這樣的一個基礎功能。本文通過一個近鄰表計算的案例，給出了適用于GPU加速的計算場景。這種計算場景可并行化的程度較高，而且函數(shù)會被多次用到（在分子動力學模擬的過程中，每一個step都會調用到這個函數(shù)），因此這是一種最典型的、最適用于GPU加速場景的案例。
以上就是關于Python的GPU編程實例近鄰表計算的講解的詳細內容，更多關于Python GPU編程實例的資料請關注腳本之家其它相關文章！
您可能感興趣的文章:- 詳解python中GPU版本的opencv常用方法介紹
- 運行tensorflow python程序,限制對GPU和CPU的占用操作
