แนวทางที่ดีที่สุดสำหรับ GPGPU / CUDA / OpenCL ใน Java?

การประมวลผลทั่วไปบนหน่วยประมวลผลกราฟิก ( GPGPU ) เป็นแนวคิดที่น่าสนใจมากในการควบคุมพลังของ GPU สำหรับการประมวลผลทุกประเภท

ฉันชอบใช้ GPGPU สำหรับการประมวลผลภาพอนุภาคและการดำเนินการทางเรขาคณิตที่รวดเร็ว

ตอนนี้ดูเหมือนว่าผู้แข่งขันทั้งสองในพื้นที่นี้คือ CUDA และ OpenCL ฉันต้องการทราบ:

• OpenCL ยังใช้งานได้จาก Java บน Windows / Mac หรือไม่
• ไลบรารีมีวิธีใดบ้างในการเชื่อมต่อกับ OpenCL / CUDA
• การใช้ JNA เป็นตัวเลือกโดยตรงหรือไม่?
• ฉันลืมอะไรไปหรือเปล่า?

ชื่นชมประสบการณ์ / ตัวอย่าง / เรื่องราวสงครามในโลกแห่งความเป็นจริง

AFAIK, JavaCL / OpenCL4Javaเป็นการรวม OpenCL เพียงตัวเดียวที่พร้อมใช้งานบนทุกแพลตฟอร์มในขณะนี้ (รวมถึง MacOS X, FreeBSD, Linux, Windows, Solaris ทั้งหมดในรุ่น Intel 32, 64 บิตและ ppc ด้วยการใช้JNA )

มีการสาธิตที่ทำงานได้ดีจริงจาก Java Web Start อย่างน้อยบน Mac และ Windows (เพื่อหลีกเลี่ยงข้อขัดข้องแบบสุ่มบน Linux โปรดดูหน้าวิกินี้เช่นParticles Demoนี้

นอกจากนี้ยังมาพร้อมกับระบบสาธารณูปโภคไม่กี่ (GPGPU รุ่นจำนวนสุ่มลดขนานพื้นฐานพีชคณิตเชิงเส้น) และสกาล่า DSL

ในที่สุดก็ผูกที่เก่าแก่ที่สุดที่มีอยู่ (ตั้งแต่เดือนมิถุนายน 2009) และก็มีชุมชนผู้ใช้ที่ใช้งานอยู่

(ข้อจำกัดความรับผิดชอบ: ฉันเป็นผู้เขียนของJavaCL :-))

นอกจากนี้คุณยังอาจพิจารณาAparapi ช่วยให้คุณสามารถเขียนโค้ดของคุณใน Java และจะพยายามแปลง bytecode เป็น OpenCL ในขณะรันไทม์

การเปิดเผยข้อมูลทั้งหมด ฉันเป็นผู้พัฒนา Aparapi

CUDA คือการแก้ไข C เพื่อเขียนเคอร์เนล CUDA คุณต้องเขียนโค้ดใน C จากนั้นคอมไพล์เป็นรูปแบบที่เรียกใช้งานได้ด้วยคอมไพเลอร์ CUDA ของ nvidia โค้ดเนทีฟที่สร้างขึ้นสามารถเชื่อมโยงกับ Java โดยใช้ JNI ในทางเทคนิคแล้วคุณไม่สามารถเขียนโค้ดเคอร์เนลจาก Java ได้ มี JCUDA http://www.jcuda.de/jcuda/JCuda.htmlซึ่งมี apis ของ cuda สำหรับการจัดการหน่วยความจำ / อุปกรณ์ทั่วไปและวิธีการบางอย่างของ Java ที่ใช้ใน CUDA และ JNI ที่ห่อหุ้มไว้ (FFT วิธีพีชคณิตเชิงเส้นบางวิธี .. ฯลฯ ฯลฯ .. ).

ในทางกลับกัน OpenCL เป็นเพียง API เคอร์เนล OpenCL เป็นสตริงธรรมดาที่ส่งผ่านไปยัง API ดังนั้นการใช้ OpenCL จาก Java คุณควรจะระบุเคอร์เนลของคุณเองได้ OpenCL ผูกพันสำหรับ Java สามารถพบได้ที่นี่http://www.jocl.org/

ฉันใช้ JOCL และฉันมีความสุขมากกับมัน

ข้อเสียเปรียบหลักของ OpenCL ผ่าน CUDA (อย่างน้อยสำหรับฉัน) คือไม่มีไลบรารีที่พร้อมใช้งาน (Thrust, CUDPP ฯลฯ ) อย่างไรก็ตาม CUDA สามารถย้ายไปยัง OpenCL ได้อย่างง่ายดายและการดูว่าไลบรารีเหล่านั้นทำงานอย่างไร (อัลกอริทึมกลยุทธ์ ฯลฯ ) นั้นดีมากเมื่อคุณได้เรียนรู้มากมายกับมัน

ฉันรู้ว่ามันสายไป แต่ลองดูที่https://github.com/pcpratts/rootbeer1

ฉันไม่ได้ทำงานด้วย แต่ดูเหมือนว่าจะใช้งานง่ายกว่าโซลูชันอื่น ๆ

จากหน้าโครงการ:

Rootbeer เป็นขั้นสูงกว่า CUDA หรือ OpenCL Java Language Bindings ด้วยการเชื่อมโยงผู้พัฒนาจะต้องจัดลำดับกราฟของวัตถุที่ซับซ้อนให้เป็นอาร์เรย์ของประเภทดั้งเดิม ด้วย Rootbeer สิ่งนี้จะทำโดยอัตโนมัติ นอกจากนี้ด้วยการผูกภาษาผู้พัฒนาต้องเขียนเคอร์เนล GPU ใน CUDA หรือ OpenCL ด้วย Rootbeer การวิเคราะห์แบบคงที่ของ Java Bytecode จะเสร็จสิ้น (โดยใช้ Soot) และโค้ด CUDA จะถูกสร้างขึ้นโดยอัตโนมัติ

ฉันสามารถแนะนำJOCL โดย jogamp.orgทำงานบน Linux, Mac และ Windows ตัวอย่างเช่นCONRADใช้ OpenCL อย่างมากร่วมกับ JOCL

หากคุณต้องการประมวลผลภาพหรือการดำเนินการทางเรขาคณิตคุณอาจต้องการไลบรารีพีชคณิตเชิงเส้นที่รองรับ gpu (เช่น CUDA เป็นต้น) ฉันขอแนะนำให้คุณแม่มด ND4J เป็นพีชคณิตเชิงเส้นที่รองรับ CUDA GPU ซึ่งสร้าง DeepLearning4J โดยที่คุณไม่ต้องจัดการกับ CUDA โดยตรงและต้องใช้รหัสระดับต่ำใน c นอกจากนี้หากคุณต้องการทำสิ่งต่างๆมากขึ้นด้วยภาพด้วย DL4J คุณจะสามารถเข้าถึงการประมวลผลภาพเฉพาะเช่นการแปลงภาพ

คุณสามารถดู CUDA4J API

http://sett.com/gpgpu/the-cuda4j-api