Garbage collection Racket是否提供了任何东西来实现一种语言，该语言有自己的GC来管理GPU内存？

我正在工作，我有一些遗憾，我将不得不为GPU内存执行某种基于区域的内存分配方案，因为.NET不允许对其GC进行适当级别的控制

我太天真了。我承认，我确实想过，仅仅因为我在一个有GC的平台上，我就不需要（也不应该）进行手动内存管理，也不需要知道C malloc是如何工作的，也不需要知道它是如何实现的。我想做得更好

---

Racket在这方面的设施是什么？

不。GPU处理器不像CPU，实际上不运行任何GC-ed语言实现，而是运行一些非常低级的代码（例如使用or）。它们并没有真正的通用性，甚至可能没有任何通用性。他们的记忆通常是分开的

您可以使用一些现有的库（比如，等等），并使用一些外部函数接口从基于Racket的东西调用该库

您可能需要做大量工作（可能需要几年）才能在OpenCL或CUDA（或）中生成一些内核代码——与管理该内核代码的其他生成代码混合——也就是说，将一个编译器从螺旋语言的一个小子集（需要痛苦地定义）实现为OpenCL或CUDA内核。在这种情况下，缺点就在细节中（您将生成的内核代码取决于特定的GPU型号）。你可以从中寻找灵感

我也不需要知道C malloc是如何工作的，也不需要知道它是如何实现的

比那更糟糕。你需要关注很多底层细节，需要编写特定于操作系统和硬件的代码，理解C malloc比关注所有GPU细节更容易（也就是说，生成“正确”的GPU和粘合代码：深入OpenCL规范了解更多信息）

（我认为，将螺旋编译成GPU内核代码和在CPU中运行的必要粘合代码是不值得的——几年）

您还应该阅读更多关于垃圾收集的内容，例如

我太天真了

你可能仍然是。如果您想要高效且有竞争力的实施，您的主题比您想象的要难。编写一个幼稚的GC（或VM）很容易，但编写一个高效的GC（或VM）很难（需要几年的工作）

我想做得更好

---

你需要几年的全职工作。

我已经完成了你上一段的工作-GPU内核及其编译不是问题。该语言的效率足以支持F#和Cuda以及我可能需要的任何其他功能。我离在it中创建一个世界级的ML库不远了，除了有一个很好的方法来管理在.NET中无法管理的资源。如果球拍在这方面有一个很好的故事，而我不会马上去做，我会认真考虑的。我在这里没有太多的选择，它将不得不要么是敲诈，要么我将不得不写我自己的虚拟机。你可能不得不写你自己的虚拟机。你当然应该为你的目标预算好几年的全职工作（当你完成后，你的工作可能会过时，因为GPU从那时起就已经进化了）。祝你好运，你需要很多！嗯，我已经花了一年时间，语言本身的大部分工作都完成了。我做的一些东西已经过时了，因为我有一个GTX 970，新的Cuda版本有协作组，但这不是问题，因为一旦我得到一张新卡，重写内核就不会太难了。真的，我在这里要求的是一个可以处理GPU内存的GC。您告诉我的事情需要几年时间才能完成。很好（但您的代码是否健壮且通用？）。OpenCL和AMD GPU呢？然后您需要编写自己的支持GPU的GC，这并不容易。编写一个简单的GC很容易。编写一个有竞争力的内核是很困难的。它是Cuda特有的，但除此之外，内核的通用性达到了任何其他语言都不可能达到的程度。事实上，这正是我最初创建螺旋的原因——必须手工编写包装器并使用文本宏进行通用地图操作，这在我2016年的前一个库中简直是地狱。出于好奇，你的螺旋是一个爱好项目吗，或者你有机会获得资助4到7年的全职工作吗？我想你可以称之为一个爱好项目，但我没有更好的工作，所以我正在全职工作。我真的不在乎它是否被资助或吸引用户。我只有一个目标，就是使用它来创建理想的ML库。最初，我试图用F#创建一个ML库，但该语言只是缺乏强大的功能。Spiral已经足够了，但不幸的是它与.NET的GC绑定在一起，我无法扩展它。有一些方法可以包装非托管资源，但它们不足以处理GPU内存。我想对他们进行全面的GC治疗。你在一些会议上发表过论文吗？看看，让我只是说，我在这里调查球拍的能力，因为它是营销本身作为一个PL的PLs。除了做一些简单的练习和阅读一些关于它的论文外，我在这方面没有太多的经验。也没有，我没有发表过任何论文，也没有写过任何文章。我偶然成为一个PL研究者，我希望在我完成图书馆的时候能做螺旋强化学习。考虑在球拍邮寄列表上问这个问题。名单上有很多知识渊博的人，他们没有参与StackOverflow。