Python CUDA中的scipy.interpolate.griddata等效项

我试图在python中执行拟合值迭代（FVI）（涉及使用分段线性插值近似5维函数）

scipy.interpolate.griddata非常适合于此。但是，我需要调用插值例程数千次（因为FVI是基于MC的算法）

所以基本上，函数已知的点集是静态的（大的，比如32k），但是我需要近似的点（原始集的小扰动）非常大（32k x 5000）

是否有scipy.interpolate.griddata所做的移植到CUDA的实现？ 或者，有没有办法加快计算速度

---

谢谢。

对于分段线性插值，文档说使用的方法是，然后使用对输入点进行Delaunay细分，然后执行标准重心插值，其中对于每个点，您必须确定每个点在哪个超四面体内，然后将其用作超四面体节点值的插值权重

测试可能很难并行化，但您可以使用访问CPU版本。其他两个步骤很容易并行化，尽管我不知道有任何免费的实现

如果您已知的功能点位于常规网格上，那么所描述的方法在CUDA中特别容易实现，我已经使用过它的实际实现，尽管没有公开的实现

---

所以恐怕大部分工作你都得自己做

嗨，是的，我最终完成了大部分工作。我查看了在scipy.spatial.Delauny中find_simplex的实现，发现基本思想可以很容易地对足够多的点进行并行化。所以基本上我运行了两个循环-一个用于查找（并存储）每个MC样本的单纯形，另一个用于查找存储的单纯形并计算其重心坐标以进行插值。它受到视频内存的限制，但速度非常快。你有没有把它上传到任何地方？我正在寻找一个cuda版本的griddata。