Python CUDA GPU处理：TypeError:compile#u kernel（）获得意外的关键字参数'；boundscheck'；

今天我开始使用CUDA和GPU处理。我发现这个教程：

不幸的是，我第一次尝试运行gpu代码失败：

from numba import jit, cuda 
import numpy as np 
# to measure exec time 
from timeit import default_timer as timer 

# normal function to run on cpu 
def func(a):                                 
    for i in range(10000000): 
        a[i]+= 1    

# function optimized to run on gpu 
@jit(target ="cuda")                         
def func2(a): 
    for i in range(10000000): 
        a[i]+= 1
if __name__=="__main__": 
    n = 10000000                            
    a = np.ones(n, dtype = np.float64) 
    b = np.ones(n, dtype = np.float32) 

    start = timer() 
    func(a) 
    print("without GPU:", timer()-start)     

    start = timer() 
    func2(a) 
    print("with GPU:", timer()-start) 

输出：

/home/amu/anaconda3/bin/python /home/amu/PycharmProjects/gpu_processing_base/gpu_base_1.py
without GPU: 4.89985659904778
Traceback (most recent call last):
  File "/home/amu/PycharmProjects/gpu_processing_base/gpu_base_1.py", line 30, in <module>
    func2(a)
  File "/home/amu/anaconda3/lib/python3.7/site-packages/numba/cuda/dispatcher.py", line 40, in __call__
    return self.compiled(*args, **kws)
  File "/home/amu/anaconda3/lib/python3.7/site-packages/numba/cuda/compiler.py", line 758, in __call__
    kernel = self.specialize(*args)
  File "/home/amu/anaconda3/lib/python3.7/site-packages/numba/cuda/compiler.py", line 769, in specialize
    kernel = self.compile(argtypes)
  File "/home/amu/anaconda3/lib/python3.7/site-packages/numba/cuda/compiler.py", line 785, in compile
    **self.targetoptions)
  File "/home/amu/anaconda3/lib/python3.7/site-packages/numba/core/compiler_lock.py", line 32, in _acquire_compile_lock
    return func(*args, **kwargs)
TypeError: compile_kernel() got an unexpected keyword argument 'boundscheck'

Process finished with exit code 1

/home/amu/anaconda3/bin/python/home/amu/PycharmProjects/gpu\u-processing\u-base/gpu-base\u 1.py
不带GPU：4.89985659904778
回溯（最近一次呼叫最后一次）：
文件“/home/amu/PycharmProjects/gpu_processing_base/gpu_base_1.py”，第30行，在
职能2（a）
文件“/home/amu/anaconda3/lib/python3.7/site packages/numba/cuda/dispatcher.py”，第40行，在调用中__
返回自编译（*args，**kws）
文件“/home/amu/anaconda3/lib/python3.7/site packages/numba/cuda/compiler.py”，第758行，在调用中__
kernel=self.specialize（*args）
文件“/home/amu/anaconda3/lib/python3.7/site packages/numba/cuda/compiler.py”，第769行，在specialize中
kernel=self.compile（argtypes）
文件“/home/amu/anaconda3/lib/python3.7/site packages/numba/cuda/compiler.py”，第785行，在compile中
**自我定位（目标选项）
文件“/home/amu/anaconda3/lib/python3.7/site packages/numba/core/compiler\u lock.py”，第32行，在“获取”编译锁中
返回函数（*args，**kwargs）
TypeError:compile_kernel（）获得意外的关键字参数“boundscheck”
进程已完成，退出代码为1

---

我已经在pycharm的anaconda环境中安装了教程中提到的

numba

和

cudatoolkit

添加答案以将其从未应答队列中删除

该示例中的代码已损坏。您的numba或CUDA安装没有任何问题。你问题中的代码（或你从中复制它的博客）不可能发出博客文章声称的结果

有许多方法可以修改以使其工作。一个是这样的：

from numba import vectorize, jit, cuda 
import numpy as np 
# to measure exec time 
from timeit import default_timer as timer 

# normal function to run on cpu 
def func(a):                                 
    for i in range(10000000): 
        a[i]+= 1    

# function optimized to run on gpu 
@vectorize(['float64(float64)'], target ="cuda")                         
def func2(x): 
    return x+1

if __name__=="__main__": 
    n = 10000000                            
    a = np.ones(n, dtype = np.float64) 

    start = timer() 
    func(a) 
    print("without GPU:", timer()-start)     

    start = timer() 
    func2(a) 
    print("with GPU:", timer()-start) 

$ python bogoexample.py 
0  without GPU: 4.885275377891958
1  without GPU: 4.748716968111694
2  without GPU: 4.902181145735085
3  without GPU: 4.889955999329686
4  without GPU: 4.881594380363822
0  with GPU ufunc: 0.16726416163146496
1  with GPU ufunc: 0.03758022002875805
2  with GPU ufunc: 0.03580896370112896
3  with GPU ufunc: 0.03530424740165472
4  with GPU ufunc: 0.03579768259078264
0  with GPU kernel: 0.1421878095716238
1  with GPU kernel: 0.04386183246970177
2  with GPU kernel: 0.029975440353155136
3  with GPU kernel: 0.029602501541376114
4  with GPU kernel: 0.029780613258481026

此处

func2

成为为设备编译的ufunc。然后，它将在GPU上的整个输入阵列上运行。这样做可以：

$ python bogoexample.py 
without GPU: 4.314514834433794
with GPU: 0.21419800259172916

因此速度更快，但请记住，GPU时间包括编译GPU ufunc所需的时间

另一种选择是实际编写GPU内核。像这样：

from numba import vectorize, jit, cuda 
import numpy as np 
# to measure exec time 
from timeit import default_timer as timer 

# normal function to run on cpu 
def func(a):                                 
    for i in range(10000000): 
        a[i]+= 1    

# function optimized to run on gpu 
@vectorize(['float64(float64)'], target ="cuda")                         
def func2(x): 
    return x+1

# kernel to run on gpu
@cuda.jit
def func3(a, N):
    tid = cuda.grid(1)
    if tid < N:
        a[tid] += 1


if __name__=="__main__": 
    n = 10000000                            
    a = np.ones(n, dtype = np.float64) 

    for i in range(0,5):
         start = timer() 
         func(a) 
         print(i, " without GPU:", timer()-start)     

    for i in range(0,5):
         start = timer() 
         func2(a) 
         print(i, " with GPU ufunc:", timer()-start) 

    threadsperblock = 1024
    blockspergrid = (a.size + (threadsperblock - 1)) // threadsperblock
    for i in range(0,5):
         start = timer() 
         func3[blockspergrid, threadsperblock](a, n) 
         print(i, " with GPU kernel:", timer()-start) 

---

在这里，您可以看到内核的运行速度略快于ufunc，而缓存（这是JIT编译函数的缓存，而不是调用的记忆）显著加快了GPU上的调用。

从该教程复制的代码是错误的，不起作用。我的建议是找一个更好的教程，可以考虑使用C/C++来代替，方法如下：这里的官方教程：总结一下，“优化为在gpu上运行的函数”应该用

@vectorize

装饰器装饰，而不是

@jit

。后者意味着您正在编写一个CUDA内核，在这种情况下，函数中的代码和函数调用本身都需要进行大量修改changed@Hack06：鉴于这基本上是一个Python加速练习，这似乎不是特别有用或有建设性的建议。问题是用python标记的，代码是python，还有一个链接指向关于使用Nuba加速python的教程。它需要有多明显？工作正常，但只要python执行行执行

@cuda

或

@vectorize

下定义的任何函数，就会有60秒的编译时间延迟，显然cuda和GPU正在编译。60秒后，如您所示，一切顺利完成。您能消除这个60秒的编译时步骤吗？或者这是一个必要的缺点吗？