代码之家 › 专栏 › 技术社区 › paugier

如何在Julia中加速多个广播

pythran julia

2

paugier · 技术社区 · 7 年前

function my_multi_broadcast(a)
    10 * (2*a.^2 + 4*a.^3) + 2 ./ a
end

arr = ones(1000, 1000)
my_multi_broadcast(arr)

我想只是我写得不对。。。在茱莉亚,怎样才能加速这种“多重广播”?我想/希望我不需要花费这些循环。。。

在第一个答案后编辑

非常感谢。在我的设置中,Pythran解决方案(就地和异地)的速度仍然快1.5到2倍(没有OpenMP)。有没有办法激活Julia中的SIMD指令?还是另一种加速CPU计算的方法?

Python代码:

from transonic import jit

@jit
def broadcast(a):
    return 10 * (2*a**2 + 4*a**3) + 2 / a

@jit
def broadcast_inplace(a):
    a[:] = 10 * (2*a**2 + 4*a**3) + 2 / a

编辑后 `@simd`

看来 @simd 不开箱即用,即仅在行首添加。

ERROR: LoadError: LoadError: Base.SimdLoop.SimdError("for loop expected")
Stacktrace:
 [1] compile(::Expr, ::Bool) at ./simdloop.jl:54
 [2] @simd(::LineNumberNode, ::Module, ::Any) at ./simdloop.jl:126
 [3] include at ./boot.jl:317 [inlined]
 [4] include_relative(::Module, ::String) at ./loading.jl:1044
 [5] include(::Module, ::String) at ./sysimg.jl:29
 [6] exec_options(::Base.JLOptions) at ./client.jl:231
 [7] _start() at ./client.jl:425

似乎我们有这样一个例子,简单的Python/Numpy代码可以用Pythran比用Julia更快地得到加速(除非在Julia中有加速的方法?未来的朱莉娅版本可能会解决这个问题)。有趣的。。。

1 回复 | 直到 7 年前

1

13

BogumiÅ KamiÅski 7 年前

julia> function my_multi_broadcast2(a)
           @. 10 * (2*a^2 + 4*a^3) + 2 / a
       end
my_multi_broadcast2 (generic function with 1 method)

不同之处在于 10 * (2*a.^2 + 4*a.^3) + 2 ./ a * 二 + 没有广播。

书写 @. 10 * (2*a^2 + 4*a^3) + 2 / a 10 .* (2 .* a.^2 .+ 4 .* a.^3) .+ 2 ./ a .

这里是性能的比较

julia> @btime my_multi_broadcast($arr);
  58.146 ms (18 allocations: 61.04 MiB)

julia> @btime my_multi_broadcast2($arr);
  5.982 ms (4 allocations: 7.63 MiB)

它与Pythran /C++相比如何,因为我们得到大约10x的加速?

arr 以书面形式落实:

julia> function my_multi_broadcast3(a)
           @. a = 10 * (2*a^2 + 4*a^3) + 2 / a
       end
my_multi_broadcast3 (generic function with 1 method)

julia> @btime my_multi_broadcast3($arr);
  1.840 ms (0 allocations: 0 bytes)

这是更快,没有零分配(我不知道你是否想修改 啊 放置或创建一个新数组,以便我展示这两种方法)。

如何在Julia中加速多个广播

在第一个答案后编辑

编辑后 @simd

编辑后 `@simd`