@ cuda.jit和@jit之间的区别（target ='gpu'）

Question

我对使用Continuum的Accelerate和numba包中的Python CUDA库有疑问。正在使用装饰@jit与target = gpu相同@cuda.jit？

Answer 1

不，它们是不一样的，虽然最终编译成PTX到汇编程序的路径是。装饰器是通用编译器路径，可以选择将其引导到CUDA设备上。 @cuda.jit装饰器实际上是Continuum Analytics开发的低级Python CUDA内核方言。因此，您可以获得对threadIdx等CUDA内置变量和@cuda.jit中的内存空间说明符__shared__的支持。

如果要在Python中编写CUDA内核并编译并运行它，请使用@cuda.jit。否则，如果你想加速现有的Python，使用@jit和CUDA目标。