Java 中 GPGPU/CUDA/OpenCL 的最佳方法？答案

【问题标题】：Best approach for GPGPU/CUDA/OpenCL in Java?Java 中 GPGPU/CUDA/OpenCL 的最佳方法？
【发布时间】：2011-02-07 16:12:51
【问题描述】：

图形处理单元上的通用计算 (GPGPU) 是一个非常有吸引力的概念，可以利用 GPU 的强大功能进行任何类型的计算。

我很想将 GPGPU 用于图像处理、粒子和快速几何运算。

目前，该领域的两个竞争者似乎是 CUDA 和 OpenCL。我想知道：

OpenCL 是否可以在 Windows/Mac 上通过 Java 使用？
与 OpenCL/CUDA 接口的库方法有哪些？
是否可以直接使用 JNA？
我是不是忘记了什么？

感谢任何现实世界的经验/例子/战争故事。

【问题讨论】：

考虑到我在 cuda 编程中使用了多少指针，我想用 Java 编程 GPU 会很困难。我不知道在设备编程中使用 Java 是否有很多好处，因为您不太可能实现将 Java 与 C++ 区分开来的完整 Java 功能/库
我看过一些令人印象深刻的 Java 演示，它们使用了 GLSL 和可能的 CUDA，所以这当然是可能的。
你检查过 jcuda.org 和 jocl.org 了吗？
我知道他们，但我无法判断质量。你有他们的经验吗？
@Nils: 所以这就是为什么他想把所有的数字都推到 GPU 上......无论如何，即使是普通的 C 或 x86 asm 也很难与海量数据并行处理器竞争，比如GPU。

标签： java cuda gpgpu opencl

【解决方案1】：

AFAIK，JavaCL / OpenCL4Java 是目前唯一可在所有平台上使用的 OpenCL 绑定（包括 MacOS X、FreeBSD、Linux、Windows、Solaris，全部采用 Intel 32、64 位和 ppc 变体，这要归功于它使用JNA)。

它的演示至少在 Mac 和 Windows 上可以从 Java Web Start 正常运行（为避免在 Linux 上随机崩溃，请参阅 this wiki page，例如 Particles Demo。

它还附带一些实用程序（GPGPU 随机数生成、基本并行归约、线性代数）和 Scala DSL。

最后，它是最旧的可用绑定（自 2009 年 6 月以来）和it has an active user community。

（免责声明：我是JavaCL的作者:-)）

【讨论】：

哦，我对 JNLP 感到非常兴奋，但显然它不喜欢我的 macbook。跨平台就这么多。
@Karl 哦，对不起，我破坏了 JNLP（JAR 最近更名了）！现在已经修复了，希望你能再试一次......（并且跨平台：它在所有平台上一直被破坏;-)）
最近 Java 7 安全性的加强导致 Particle Demo Web Start 失败并出现异常。
@zOlive 最后一个指向 google 代码的 JavaCl 链接不再可用。

【解决方案2】：

您也可以考虑Aparapi。它允许您用 Java 编写代码，并尝试在运行时将字节码转换为 OpenCL。

全面披露。我是 Aparapi 开发人员。

【讨论】：

aparapi 还维护吗？
@MrJedi：我想是的，github 上的最新提交只有几天前：github.com/aparapi/aparapi
它“有点维护”；）我是维护者。

【解决方案3】：

CUDA 是对 C 的修改，要编写 CUDA 内核，你必须用 C 编写代码，然后用 nvidia 的 CUDA 编译器编译成可执行形式。然后可以使用 JNI 将生成的本机代码与 Java 链接。所以从技术上讲，你不能用 Java 编写内核代码。有 JCUDA http://www.jcuda.de/jcuda/JCuda.html，它为您提供用于一般内存/设备管理的 cuda api 和一些在 CUDA 和 JNI 包装中实现的 Java 方法（FFT、一些线性代数方法......等等）。

另一方面，OpenCL 只是一个 API。 OpenCL 内核是传递给 API 的纯字符串，因此使用 Java 中的 OpenCL，您应该能够指定自己的内核。 Java 的 OpenCL 绑定可以在这里找到http://www.jocl.org/。

【讨论】：

如果您的平台支持 JNA (jna.dev.java.net)，我会使用它来调用本机代码，因为它比编写 JNI 库要省力得多。

【解决方案4】：

我一直在使用 JOCL，对此我非常满意。

OpenCL 优于 CUDA（至少对我而言）的主要缺点是缺乏可用的库（Thrust、CUDPP 等）。然而 CUDA 可以很容易地移植到 OpenCL，并且通过查看这些库的工作方式（算法、策略等）实际上非常好，因为您可以从中学到很多东西。

【讨论】：

【解决方案5】：

我知道已经很晚了，但请看一下：https://github.com/pcpratts/rootbeer1

我没有使用过它，但似乎比其他解决方案更容易使用。

来自项目页面：

Rootbeer 比 CUDA 或 OpenCL Java 语言绑定更先进。使用绑定，开发人员必须将复杂的对象图序列化为原始类型的数组。使用 Rootbeer，这是自动完成的。同样使用语言绑定，开发人员必须在 CUDA 或 OpenCL 中编写 GPU 内核。使用 Rootbeer 对 Java 字节码进行静态分析（使用 Soot）并自动生成 CUDA 代码。

【讨论】：

【解决方案6】：

我还可以推荐JOCL by jogamp.org，适用于 Linux、Mac 和 Windows。例如，CONRAD 大量使用 OpenCL 和 JOCL。

【讨论】：

【解决方案7】：

如果您想做一些图像处理或几何运算，您可能需要一个支持 gpu 的线性代数库（例如 CUDA）。我建议你 ND4J 女巫是构建 DeepLearning4J 的具有 CUDA GPU 支持的线性代数。这样您就不必直接处理 CUDA 并且必须在 c 中编写低级代码。另外，如果您想使用 DL4J 对图像进行更多处理，您将可以访问特定的图像处理操作，例如卷积。

【讨论】：

【解决方案8】：

你可以看看 CUDA4J API

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

【讨论】：