GPU.js助您改善JavaScript效能

安全劍客發表於2020-12-14
在本教程中,我們詳細探討了GPU.js,分析了它的工作原理,並演示瞭如何進行平行計算。我們還演示瞭如何在你的Node.js應用中設定GPU.js。
使用GPU.js改善JavaScript效能

你是否曾經嘗試過執行復雜的計算,卻發現它需要花費很長時間,並且拖慢了你的程式?

有很多方法可以解決這個問題,例如使用web worker或後臺執行緒。GPU減輕了CPU的處理負荷,給了CPU更多的空間來處理其他程式。同時,web worker仍然執行在CPU上,但是執行在不同的執行緒上。

在該初學者指南中,我們將演示如何使用GPU.js執行復雜的數學計算並提高JavaScript應用的效能。

什麼是GPU.js?

GPU.js是一個針對Web和Node.js構建的JavaScript加速庫,用於在圖形處理單元(GPGPU)上進行通用程式設計,它使你可以將複雜且耗時的計算移交給GPU而不是CPU,以實現更快的計算和操作。還有一個備用選項:在系統上沒有GPU的情況下,這些功能仍將在常規JavaScript引擎上執行。

當你要執行復雜的計算時,實質上是將這種負擔轉移給系統的GPU而不是CPU,從而增加了處理速度和時間。

高效能運算是使用GPU.js的主要優勢之一。如果你想在瀏覽器中進行平行計算,而不瞭解WebGL,那麼GPU.js是一個適合你的庫。

為什麼要使用GPU.js

為什麼要使用GPU執行復雜的計算的原因不勝列舉,有太多的原因無法在一篇文章中探討。以下是使用GPU的一些最值得注意的好處。

  1. GPU可用於執行大規模並行GPGPU計算。這是需要非同步完成的計算型別
  2. 當系統中沒有GPU時,它會優雅地退回到JavaScript
  3. GPU當前在瀏覽器和Node.js上執行,非常適合透過大量計算來加速網站
  4. GPU.js是在考慮JavaScript的情況下構建的,因此這些功能均使用合法的JavaScript語法

如果你認為你的處理器可以勝任,你不需要GPU.js,看看下面這個GPU和CPU執行計算的結果。

GPU.js助您改善JavaScript效能GPU.js助您改善JavaScript效能

如你所見,GPU比CPU快22.97倍。

GPU.js的工作方式

考慮到這種速度水平,JavaScript生態系統彷彿得到了一個可以乘坐的火箭。GPU可以幫助網站更快地載入,特別是必須在首頁上執行復雜計算的網站。你不再需要擔心使用後臺執行緒和載入器,因為GPU執行計算的速度是普通CPU的22.97倍。

gpu.createKernel 方法建立了一個從JavaScript函式移植過來的GPU加速核心。

與GPU並行執行核心函式會導致更快的計算速度——快1-15倍,這取決於你的硬體。

GPU.js入門

為了展示如何使用GPU.js更快地計算複雜的計算,讓我們快速啟動一個實際的演示。

安裝

sudo apt install mesa-common-dev libxi-dev  // using Linux

npm

npm install gpu.js --save 
// OR 
yarn add gpu.js

在你的Node專案中要匯入GPU.js。

import { GPU } from ('gpu.js')  
// OR 
const { GPU } = require('gpu.js')  
const gpu = new GPU();
乘法演示

在下面的示例中,計算是在GPU上並行完成的。

首先,生成大量資料。

const getArrayValues = () => { 
 
  // 在此處建立2D arrary 
  const values = [[], []] 
 
  // 將值插入第一個陣列 
  for (let y = 0; y < 600; y++){ 
    values[0].push([]) 
    values[1].push([]) 
 
    // 將值插入第二個陣列 
    for (let x = 0; x < 600; x++){ 
      values\[0\][y].push(Math.random()) 
      values\[1\][y].push(Math.random()) 
    } 
  } 
 
  // 返回填充陣列 
  return values 
}

建立核心(執行在GPU上的函式的另一個詞)。

const gpu = new GPU(); 
 
// 使用 `createKernel()` 方法將陣列相乘 
const multiplyLargeValues = gpu.createKernel(function(a, b) { 
  let sum = 0; 
  for (let i = 0; i < 600; i++) { 
    sum += a\[this.thread.y\][i] * b\[i\][this.thread.x]; 
  } 
  return sum; 
}).setOutput([600, 600])

使用矩陣作為引數呼叫核心。

const largeArray = getArrayValues()  
const out = multiplyLargeValues(largeArray[0], largeArray[1])

輸出

console.log(out\[y\][x]) // 將元素記錄在陣列的第x行和第y列  
console.log(out\[10\][12]) // 記錄輸出陣列第10行和第12列的元素

執行GPU基準測試

你可以按照GitHub上指定的步驟執行基準測試。

npm install @gpujs/benchmark  
const benchmark = require('@gpujs/benchmark')  
const benchmarks = benchmark.benchmark(options);

options 物件包含可以傳遞給基準的各種配置。

前往GPU.js官方網站檢視完整的計算基準,這將幫助你瞭解使用GPU.js進行復雜計算可以獲得多少速度。

結束

在本教程中,我們詳細探討了GPU.js,分析了它的工作原理,並演示瞭如何進行平行計算。我們還演示瞭如何在你的Node.js應用中設定GPU.js。

原文地址:

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31559985/viewspace-2741959/,如需轉載,請註明出處,否則將追究法律責任。

相關文章