如何使用Dask在GPU上运行python代码？

我有一些使用Numba cuda.jit的代码，以便在gpu上运行，如果可能的话，我想将dask层放在上面

示例代码

#/usr/bin/env蟒蛇3
#-*-编码：utf-8-*-
来自njit numba import cuda
将numpy作为np导入
来自dask.distributed import Client，LocalCluster
@cuda.jit（）
def addingNumbersCUDA（大数组、大数组2、保存数组）：
i=cuda.grid（1）
如果i

---

如果我的函数

addingNumbersCUDA

没有使用任何CUDA，我只会将

client.submit

放在我的函数前面（以及后面的gather），它就会工作。但是，由于我正在使用CUDA，将submit放在函数前面不起作用。dask文档中说，您可以将gpu作为目标，但实际上如何设置它还不清楚。如果可能的话，我将如何设置我的函数，使其与目标gpu和cuda.jit一起使用dask？

您可能需要仔细查看

但是，由于我正在使用CUDA，将submit放在函数前面不起作用

---

这种情况没有特别的原因。所有Dask都会在不同的计算机上运行您的函数。它不会以任何方式更改或修改您的函数。

我已经为gpu设置了dask worker，并将我的函数设置为“x=client.submit（addingNumbersCUDA[blockspergrid，threadsperblock]，big_数组，big_数组2，save_数组，resources={gpu'：1}）”，但当我收集它时，返回“none”。你知道为什么吗？你的函数没有返回值。看起来您正在存储一个out参数作为副作用。我建议构建一个可重新运行值的函数。我不能专门从numba cuda函数返回值。“内核无法显式返回值；所有结果数据都必须写入传递给函数的数组。”是否可以从dask获取存储在我的数组中的结果？您可以在Numba函数周围创建另一个函数来处理突变和就地行为。Dask不支持就地操作。通常，您的新函数将分配一个输出数组，调用您的就地操作函数，然后正常返回输出数组。