Posso programmare Nvidia's CUDA usando solo Python o devo imparare C?

Question

Immagino che la domanda parli da sola. Sono interessato a fare calcoli seri, ma non sono un programmatore di mestiere. Posso mettere insieme abbastanza python per fare ciò che voglio. Ma posso scrivere un programma in python e far eseguire la GPU usando CUDA? O devo usare qualche mix di Python e C?

Gli esempi sulla pagina "pyCUDA" di Klockner (sp) avevano un mix di Python e C, quindi non sono sicuro di quale sia la risposta.

Se qualcuno vuole parlare di Opencl, sentitevi liberi. Ho sentito parlare di questo business CUDA solo un paio di settimane fa e non sapevo che potevi usare le tue schede video in questo modo.

Answer 1

Credo che con PyCUDA i tuoi kernel computazionali debbano sempre essere scritti come "CUDA C Code". PyCUDA si occupa di molti libri altrimenti noiosi, ma non costruisce kernel CUDA computazionali dal codice Python.

Answer 2

pyopencl offre un'interessante alternativa a PyCUDA. È descritto come un "progetto gemello" per PyCUDA. È un completo wrapper attorno all'API di OpenCL.

Per quanto ho capito, OpenCL ha il vantaggio di funzionare su GPU oltre a Nvidia.

Answer 3

Si consiglia di dare un'occhiata a CUDAmat e Theano. Entrambi sono approcci per scrivere codice che viene eseguito sulla GPU senza dover conoscere molto sulla programmazione della GPU.

Answer 4

Ottime risposte già, ma un'altra opzione è Clyther. Ti permetterà di scrivere programmi OpenCL senza nemmeno usare C, compilando un sottoinsieme di Python in kernel OpenCL.

Answer 5

Esiste un buon set di base di costrutti matematici con i kernel di elaborazione già scritti a cui è possibile accedere tramite pyCUDA cumathmodule. Se vuoi fare cose più coinvolgenti o specifiche/personalizzate dovrai scrivere un tocco di C nella definizione del kernel, ma la cosa bella di pyCUDA è che farà il pesante C-lifting per te; fa un sacco di meta-programmazione sul back-end in modo da non doversi preoccupare della seria programmazione in C, solo dei piccoli pezzi. Uno degli esempi è una mappa/Riduzione del kernel per calcolare il prodotto scalare:

dot_krnl = ReductionKernel(np.float32, neutral="0", reduce_expr="a+b", map_expr="x[i]*y[i]", arguments="float *x, float *y")

I piccoli frammenti di codice all'interno di ciascuno di questi argomenti sono linee C, ma in realtà scrive il programma per voi. il ReductionKernel è un tipo di kernel personalizzato per le funzioni di tipo map/reducish, ma ci sono diversi tipi. La parte degli esempi del pyCUDA ufficiale documentation va più nel dettaglio.

Buona fortuna!

Answer 6

Una libreria promettente è Copperhead (alternative link), non vi resta che decorare la funzione che si desidera essere gestito dalla GPU (e allora si può optare-in/opt-out per vedere che cosa è meglio tra CPU e GPU per quella funzione)

Answer 7

Scikits CUDA package potrebbe essere un'opzione migliore, purché non richieda alcuna conoscenza di basso livello o codice C per qualsiasi operazione che possa essere rappresentata come manipolazione di array numpy.

Answer 8

Mi stavo chiedendo la stessa cosa e ho effettuato alcune ricerche. Ho trovato l'articolo collegato di seguito che sembra rispondere alla tua domanda. Tuttavia, l'hai chiesto nel 2014 e l'articolo di Nvidia non ha una data.

https://developer.nvidia.com/how-to-cuda-python

Il filmato passa attraverso la messa a punto, un primo esempio e, molto importante, profiliing. Tuttavia, non so se è possibile implementare tutti i soliti schemi generali di calcolo. Penserei che puoi perché, per quanto ho potuto, non ci sono limiti in NumPy.