用GPU来运行Python代码

简介

前几天捣鼓了一下Ubuntu，正是想用一下我旧电脑上的N卡，可以用GPU来跑代码，体验一下多核的快乐。
还好我这破电脑也是支持Cuda的：

1. $ sudo lshw -C display
2.   *-display                 
3.        description: 3D controller
4.        product: GK208M [GeForce GT 740M]
5.        vendor: NVIDIA Corporation
6.        physical id: 0
7.        bus info: pci@0000:01:00.0
8.        version: a1
9.        width: 64 bits
10.        clock: 33MHz
11.        capabilities: pm msi pciexpress bus_master cap_list rom
12.        configuration: driver=nouveau latency=0
13.        resources: irq:35 memory:f0000000-f0ffffff memory:c0000000-cfffffff memory:d0000000-d1ffffff ioport:6000(size=128)

复制代码

安装相关工具

首先安装一下Cuda的开发工具，命令如下：

1. $ sudo apt install nvidia-cuda-toolkit

复制代码

查看一下相关信息：

1. $ nvcc --version
2. nvcc: NVIDIA (R) Cuda compiler driver
3. Copyright (c) 2005-2021 NVIDIA Corporation
4. Built on Thu_Nov_18_09:45:30_PST_2021
5. Cuda compilation tools, release 11.5, V11.5.119
6. Build cuda_11.5.r11.5/compiler.30672275_0

复制代码

通过Conda安装相关的依赖包：

1. conda install numba & conda install cudatoolkit

复制代码

通过pip安装也可以，一样的。
测试与驱动安装

简单测试了一下，发觉报错了：

1. $ /home/larry/anaconda3/bin/python /home/larry/code/pkslow-samples/python/src/main/python/cuda/test1.py
2. Traceback (most recent call last):
3.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 246, in ensure_initialized
4.     self.cuInit(0)
5.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 319, in safe_cuda_api_call
6.     self._check_ctypes_error(fname, retcode)
7.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 387, in _check_ctypes_error
8.     raise CudaAPIError(retcode, msg)
9. numba.cuda.cudadrv.driver.CudaAPIError: [100] Call to cuInit results in CUDA_ERROR_NO_DEVICE
11. During handling of the above exception, another exception occurred:
13. Traceback (most recent call last):
14.   File "/home/larry/code/pkslow-samples/python/src/main/python/cuda/test1.py", line 15, in <module>
15.     gpu_print[1, 2]()
16.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/compiler.py", line 862, in __getitem__
17.     return self.configure(*args)
18.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/compiler.py", line 857, in configure
19.     return _KernelConfiguration(self, griddim, blockdim, stream, sharedmem)
20.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/compiler.py", line 718, in __init__
21.     ctx = get_context()
22.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/devices.py", line 220, in get_context
23.     return _runtime.get_or_create_context(devnum)
24.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/devices.py", line 138, in get_or_create_context
25.     return self._get_or_create_context_uncached(devnum)
26.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/devices.py", line 153, in _get_or_create_context_uncached
27.     with driver.get_active_context() as ac:
28.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 487, in __enter__
29.     driver.cuCtxGetCurrent(byref(hctx))
30.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 284, in __getattr__
31.     self.ensure_initialized()
32.   File "/home/larry/anaconda3/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 250, in ensure_initialized
33.     raise CudaSupportError(f"Error at driver init: {description}")
34. numba.cuda.cudadrv.error.CudaSupportError: Error at driver init: Call to cuInit results in CUDA_ERROR_NO_DEVICE (100)

复制代码

网上搜了一下，发现是驱动问题。通过Ubuntu自带的工具安装显卡驱动：

还是失败：

1. $ nvidia-smi
2. NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

复制代码

最后，通过命令行安装驱动，成功解决这个问题：

1. $ sudo apt install nvidia-driver-470

复制代码

检查后发现正常了：

1. $ nvidia-smi
2. Wed Dec  7 22:13:49 2022      
3. +-----------------------------------------------------------------------------+
4. | NVIDIA-SMI 470.161.03   Driver Version: 470.161.03   CUDA Version: 11.4     |
5. |-------------------------------+----------------------+----------------------+
6. | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
7. | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
8. |                               |                      |               MIG M. |
9. |===============================+======================+======================|
10. |   0  NVIDIA GeForce ...  Off  | 00000000:01:00.0 N/A |                  N/A |
11. | N/A   51C    P8    N/A /  N/A |      4MiB /  2004MiB |     N/A      Default |
12. |                               |                      |                  N/A |
13. +-------------------------------+----------------------+----------------------+
14.                                                                               
15. +-----------------------------------------------------------------------------+
16. | Processes:                                                                  |
17. |  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
18. |        ID   ID                                                   Usage      |
19. |=============================================================================|
20. |  No running processes found                                                 |
21. +-----------------------------------------------------------------------------+

复制代码

测试代码也可以跑了。
测试Python代码

打印ID

准备以下代码：

1. from numba import cuda
2. import os
4. def cpu_print():
5.     print('cpu print')
8. @cuda.jit
9. def gpu_print():
10.     dataIndex = cuda.threadIdx.x + cuda.blockIdx.x * cuda.blockDim.x
11.     print('gpu print ', cuda.threadIdx.x, cuda.blockIdx.x, cuda.blockDim.x, dataIndex)
14. if __name__ == '__main__':
15.     gpu_print[4, 4]()
16.     cuda.synchronize()
17.     cpu_print()

复制代码

这个代码主要有两个函数，一个是用CPU执行，一个是用GPU执行，执行打印操作。关键在于@cuda.jit这个注解，让代码在GPU上执行。运行结果如下：

1. $ /home/larry/anaconda3/bin/python /home/larry/code/pkslow-samples/python/src/main/python/cuda/print_test.py
2. gpu print  0 3 4 12
3. gpu print  1 3 4 13
4. gpu print  2 3 4 14
5. gpu print  3 3 4 15
6. gpu print  0 2 4 8
7. gpu print  1 2 4 9
8. gpu print  2 2 4 10
9. gpu print  3 2 4 11
10. gpu print  0 1 4 4
11. gpu print  1 1 4 5
12. gpu print  2 1 4 6
13. gpu print  3 1 4 7
14. gpu print  0 0 4 0
15. gpu print  1 0 4 1
16. gpu print  2 0 4 2
17. gpu print  3 0 4 3
18. cpu print

复制代码

可以看到GPU总共打印了16次，使用了不同的Thread来执行。这次每次打印的结果都可能不同，因为提交GPU是异步执行的，无法确保哪个单元先执行。同时也需要调用同步函数cuda.synchronize()，确保GPU执行完再继续往下跑。
查看时间

我们通过这个函数来看GPU并行的力量：

1. from numba import jit, cuda
2. import numpy as np
3. # to measure exec time
4. from timeit import default_timer as timer
7. # normal function to run on cpu
8. def func(a):
9.     for i in range(10000000):
10.         a[i] += 1
13. # function optimized to run on gpu
14. @jit(target_backend='cuda')
15. def func2(a):
16.     for i in range(10000000):
17.         a[i] += 1
20. if __name__ == "__main__":
21.     n = 10000000
22.     a = np.ones(n, dtype=np.float64)
24.     start = timer()
25.     func(a)
26.     print("without GPU:", timer() - start)
28.     start = timer()
29.     func2(a)
30.     print("with GPU:", timer() - start)

复制代码

结果如下：

1. $ /home/larry/anaconda3/bin/python /home/larry/code/pkslow-samples/python/src/main/python/cuda/time_test.py
2. without GPU: 3.7136273959999926
3. with GPU: 0.4040513340000871

复制代码

可以看到使用CPU需要3.7秒，而GPU则只要0.4秒，还是能快不少的。当然这里不是说GPU一定比CPU快，具体要看任务的类型。
代码

代码请看GitHub: https://github.com/LarryDpk/pkslow-samples

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！