在 Python 中使用 OpenCL 并行化循环

Question

我在矩阵 y 中有一个给定的数据集，我想用它训练不同的 SOM。 SOM 是一维的（一条线），其神经元数量各不相同。我首先训练了一个大小为 N=2 的 SOM，最后训练了 N=NMax，总共得到了 NMax-2+1 SOM。对于每个 SOM，我想在训练结束后存储权重，然后再转到下一个 SOM。

在这里使用 PyOpenCL 的全部意义在于每个外部循环都独立于其他循环。也就是说，对于N 的每个值，脚本并不关心当N 取其他值时会发生什么。运行脚本NMax-2+1 手动更改N 的值可能会得到相同的结果。

考虑到这一点，我希望能够使用 GPU 同时执行这些独立迭代中的每一个，从而显着减少所花费的时间。不过速度的提升会小于1/(NMax-2+1)，因为每次迭代都比之前的更昂贵，至于N 的值越大，计算就越多。

有没有办法“翻译”这段代码以在 GPU 上运行？我以前从未使用过 OpenCL，因此请告诉我这是否过于宽泛或愚蠢，以便我可以提出更具体的问题。该代码是自包含的，因此请随意尝试。开头声明的四个常量可以更改为您喜欢的任何值（假设NMax > 1 和所有其他都是严格正数）。

import numpy as np
import time

m = 3 # Dimension of datapoints
num_points = 2000 # Number of datapoints
iterMax = 150 # Maximum number of iterations
NMax = 3 # Maximum number of neurons
#%%
np.random.seed(0)
y = np.random.rand(num_points,m) # Generate always the same dataset
sigma_0 = 5 # Initial value of width of the neighborhood function
eta_0 = 1 # Initial value of learning rate
w = list(range(NMax - 1))
wClusters = np.zeros((np.size(y,axis = 0),NMax - 1)) # Clusters for each N

t_begin = time.clock() # Start time
for N in range(NMax-1): # Number of neurons for this iteration
    w[N] = np.random.uniform(0,1,(N+2,np.size(y,axis=1))) - 0.5 # Initialize weights
    iterCount = 1
    while iterCount < iterMax:
        # Mix up the input patterns
        mixInputs = y[np.random.permutation(np.size(y,axis = 0)),:]
        # Sigma reduction
        sigma = sigma_0 - (sigma_0/(iterMax + 1)) * iterCount
        s2 = 2*sigma**2
        # Learning rate reduction
        eta = eta_0 - (eta_0/(iterMax + 1)) * iterCount
        for selectedInput in mixInputs: # Pick up one pattern
            # Search winning neuron
            aux = np.sum((selectedInput - w[N])**2, axis = -1)
            ii = np.argmin(aux) # Neuron 'ii' is the winner
            jjs = abs(ii - list(range(N+2)))
            dists = np.min(np.vstack([jjs , abs(jjs-(N+2))]), axis = 0)
            # Update weights
            w[N] = w[N] + eta * np.exp((-dists**2)/s2).T[:,np.newaxis] * (selectedInput - w[N])
        print(N+2,iterCount)
        iterCount += 1    
    # Assign each datapoint to its nearest neuron
    for kk in range(np.size(y,axis = 0)):
        aux = np.sum((y[kk,] - w[N])**2,axis=-1)
        ii = np.argmin(aux) # Neuron 'ii' is the winner
        wClusters[kk,N] = ii + 1
t_end = time.clock() # End time
#%%
print(t_end - t_begin)

Answer 1

我试图给出一个比较完整的答案。

首先：

此代码是否可以使用 (py)OpenCL 在 GPU 上运行？

很可能是的。

这可以自动完成吗？

不（afaik）。

我收到的关于 OpenCL 的大部分问题都类似于：“是否值得将这段代码移植到 OpenCL 以获得加速收益？”您说的是，您的外循环独立于其他运行的结果，这使得代码基本上可并行化。在一个简单的实现中，每个 OpenCL 工作元素将执行相同的代码，但输入参数略有不同。不考虑主机和设备之间数据传输的开销，这种方法的运行时间将等于最慢迭代的运行时间。根据外部循环中的迭代，这可能是一个巨大的速度增益。只要数字保持相对较小，您就可以尝试使用 python 中的 multiprocessing 模块在 CPU 而不是 GPU 上并行化这些迭代。

移植到 GPU 通常只有在要并行运行大量进程（大约 1000 个或更多）时才有意义。所以在你的情况下，如果你真的想要一个巨大的速度提升，看看你是否可以并行化所有计算inside循环。例如，您有 150 次迭代和 2000 个数据点。如果您能以某种方式并行化这 2000 个数据点，则可以提供更大的速度增益，这可以证明将整个代码移植到 OpenCL 的工作是合理的。

TL；DR： 首先尝试在 CPU 上并行化。如果您发现需要同时运行数百个以上的进程，请迁移到 GPU。

更新：使用多处理（无回调）在 CPU 上进行并行化的简单代码

import numpy as np
import time
import multiprocessing as mp

m = 3 # Dimension of datapoints
num_points = 2000 # Number of datapoints
iterMax = 150 # Maximum number of iterations
NMax = 10 # Maximum number of neurons
#%%
np.random.seed(0)
y = np.random.rand(num_points,m) # Generate always the same dataset
sigma_0 = 5 # Initial value of width of the neighborhood function
eta_0 = 1 # Initial value of learning rate
w = list(range(NMax - 1))
wClusters = np.zeros((np.size(y,axis = 0),NMax - 1)) # Clusters for each N

def neuron_run(N):
    w[N] = np.random.uniform(0,1,(N+2,np.size(y,axis=1))) - 0.5 # Initialize weights
    iterCount = 1
    while iterCount < iterMax:
        # Mix up the input patterns
        mixInputs = y[np.random.permutation(np.size(y,axis = 0)),:]
        # Sigma reduction
        sigma = sigma_0 - (sigma_0/(iterMax + 1)) * iterCount
        s2 = 2*sigma**2
        # Learning rate reduction
        eta = eta_0 - (eta_0/(iterMax + 1)) * iterCount
        for selectedInput in mixInputs: # Pick up one pattern
            # Search winning neuron
            aux = np.sum((selectedInput - w[N])**2, axis = -1)
            ii = np.argmin(aux) # Neuron 'ii' is the winner
            jjs = abs(ii - list(range(N+2)))
            dists = np.min(np.vstack([jjs , abs(jjs-(N+2))]), axis = 0)
            # Update weights
            w[N] = w[N] + eta * np.exp((-dists**2)/s2).T[:,np.newaxis] * (selectedInput - w[N])
        print(N+2,iterCount)
        iterCount += 1    
    # Assign each datapoint to its nearest neuron
    for kk in range(np.size(y,axis = 0)):
        aux = np.sum((y[kk,] - w[N])**2,axis=-1)
        ii = np.argmin(aux) # Neuron 'ii' is the winner
        wClusters[kk,N] = ii + 1

t_begin = time.clock() # Start time   
#%%

def apply_async():
    pool = mp.Pool(processes=NMax)
    for N in range(NMax-1):
        pool.apply_async(neuron_run, args = (N,))
    pool.close()
    pool.join()
    print "Multiprocessing done!"

if __name__ == '__main__':
    apply_async()

t_end = time.clock() # End time 
print(t_end - t_begin)