[[402117]]

本文轉載自微信公眾號「TianTianUp」，作者小弋。轉載本文請聯系TianTianUp公眾號。

正文

用 GPU.js 使你的應用程序快 10 倍。

作為開發者，我們總是尋找機會來提高應用程序的性能。當涉及到網絡應用時，我們主要在代碼中進行這些改進。

但是，你有沒有想過將 GPU 的力量結合到你的網絡應用中來提高性能?

本文將向你介紹一個名為 GPU.js 的 JavaScript 加速庫，并告訴你如何改進復雜的計算。

什么是 GPU.js

首先，官網地址:

https://gpu.rocks/#/

Source: https://gpu.rocks/#/

簡而言之，GPU.js 是一個 JavaScript 加速庫，可用于使用 JavaScript 在 GPU 上進行通用計算。它支持瀏覽器、Node.js 和 TypeScript。

除了性能提升外，我推薦使用 GPU.js 的原因還有以下幾點:

• GPU.js 使用 JavaScript 作為基礎，允許你使用 JavaScript 語法。
• 它承擔著將 JavaScript 自動轉譯為著色器語言的責任，并對它們進行編譯。
• 如果設備中沒有 GPU，它可以退回到普通的 JavaScript 引擎。因此，使用 GPU.js 不會有任何不利因素。
• GPU.js 也可以用于并行計算。此外，你可以同時在 CPU 和 GPU 上異步地進行多項計算。

所有這些東西加在一起，我不認為有理由不使用 GPU.js。因此，讓我們看看如何開始使用它。

如何設置 GPU.js?

為您的項目安裝 GPU.js 與其他的 JavaScript 庫類似。

對于 Node 項目

npm install gpu.js --save 
or 
yarn add gpu.js 
import { GPU } from ('gpu.js') 
--- or --- 
const { GPU } = require('gpu.js') 
--- or --- 
import { GPU } from 'gpu.js'; // Use this for TypeScript 
const gpu = new GPU(); 

對于 Bowsers

在本地下載 GPU.js 或使用其 CDN。

<script src="dist/gpu-browser.min.js"></script> 
--- or --- 
<script 
  src="https://unpkg.com/gpu.js@latest/dist/gpu- browser.min.js"> 
</script> 
<script 
  rc="https://cdn.jsdelivr.net/npm/gpu.js@latest/dist/gpu-browser.min.js"> 
</script> 
<script> 
 const gpu = new GPU(); 
 ... 
</script> 

注意：

如果你使用的是 Linux，你需要確保你安裝了正確的文件，運行：sudo apt install mesa-common-dev libxi-dev

這就是你需要知道的關于安裝和導入 GPU.js 的情況。

現在，你可以開始在你的應用程序中使用 GPU 編程。

此外，我強烈建議理解 GPU.js 的基本功能和概念。所以，讓我們從 GPU.js 的一些基礎知識開始。

創建函數

你可以在 GPU.js 中定義函數以在 GPU 中運行，使用一般的 JavaScript 語法。

const exampleKernel = gpu.createKernel(function() { 
    ... 
}, settings); 

上面的代碼樣本顯示了一個 GPU.js 函數的基本結構。我將該函數命名為 exampleKernel。正如你所看到的，我使用了 createKernel 函數，利用 GPU 進行計算。

另外，定義輸出的大小是必須的。在上面的例子中，我使用了一個名為 settings 的參數來指定輸出大小。

const settings = { 
    output: [100] 
}; 

內核函數的輸出可以是 1D、2D 或 3D，這意味著它最多可以有 3 個線程。你可以使用 this.thread 命令在內核中訪問這些線程。

• 1D : [長度] - 值[this.thread.x]
• 2D : [寬度，高度] - 值[this.thread.y][this.thread.x]
• 3D: [寬度，高度，深度] - 值[this.thread.z][this.thread.y][this.thread.x]。

最后，創建的函數可以像其他的 JavaScript 函數一樣使用函數名來調用：exampleKernel()

內部支持的變量

Number

你可以在 GPU.js 函數中使用任何整數或浮點數。

const exampleKernel = gpu.createKernel(function() { 
 const number1 = 10; 
 const number2 = 0.10; 
 return number1 + number2; 
}, settings); 

Boolean

GPU.js 中也支持布爾值，與 JavaScript 類似。

const kernel = gpu.createKernel(function() { 
  const bool = true; 
  if (bool) { 
    return 1; 
  }else{ 
    return 0; 
  } 
},settings); 

Arrays

你可以在內核函數中定義任何大小的數字數組，并返回它們。

const exampleKernel = gpu.createKernel(function() { 
 const array1 = [0.01, 1, 0.1, 10]; 
 return array1; 
}, settings); 

Functions

在內核函數中使用私有函數，在 GPU.js 中也是允許的。

const exampleKernel = gpu.createKernel(function() { 
  function privateFunction() { 
    return [0.01, 1, 0.1, 10]; 
  } 
  return privateFunction(); 
}, settings); 

支持的輸入類型

除了上述變量類型外，你還可以向內核函數傳遞幾種輸入類型。

Numbers

與變量聲明類似，你可以向內核函數傳遞整數或浮點數，如下所示。

const exampleKernel = gpu.createKernel(function(x) { 
 return x; 
}, settings); 
exampleKernel(25); 

1D,2D, or 3D Array of Numbers

你可以將 Array、Float32Array、Int16Array、Int8Array、Uint16Array、uInt8Array 等數組類型傳入 GPU.js 內核。

const exampleKernel = gpu.createKernel(function(x) { 
 return x; 
}, settings); 
exampleKernel([1, 2, 3]); 

預扁平化的 2D 和 3D 數組也被內核函數所接受。這種方法使上傳的速度更快，你必須使用 GPU.js 的輸入選項來實現這一點。

const { input } = require('gpu.js'); 
const value = input(flattenedArray, [width, height, depth]); 

HTML Images

與傳統的 JavaScript 相比，將圖像傳遞到函數中是我們在 GPU.js 中可以看到的一個新東西。使用 GPU.js，你可以將一個或多個 HTML 圖像作為數組傳遞給內核函數。

//Single Image 
const kernel = gpu.createKernel(function(image) { 
    ... 
}) 
  .setGraphical(true) 
  .setOutput([100, 100]); 
 
const image = document.createElement('img'); 
image.src = 'image1.png'; 
image.onload = () => { 
  kernel(image); 
  document.getElementsByTagName('body')[0].appendChild(kernel.canvas); 
}; 
//Multiple Images 
const kernel = gpu.createKernel(function(image) { 
    const pixel = image[this.thread.z][this.thread.y][this.thread.x]; 
    this.color(pixel[0], pixel[1], pixel[2], pixel[3]); 
}) 
  .setGraphical(true) 
  .setOutput([100, 100]); 
 
const image1 = document.createElement('img'); 
image1.src = 'image1.png'; 
image1.onload = onload; 
.... 
//add another 2 images 
.... 
const totalImages = 3; 
let loadedImages = 0; 
function onload() { 
  loadedImages++; 
  if (loadedImages === totalImages) { 
    kernel([image1, image2, image3]); 
     document.getElementsByTagName('body')[0].appendChild(kernel.canvas); 
  } 
}; 

除了上述配置外，還有許多令人興奮的事情可以用 GPU.js 進行實驗。你可以在其文檔中找到它們。既然你現在了解了幾種配置，讓我們用 GPU.js 寫一個函數并比較其性能。

使用 GPU.js 的第一個功能

通過結合我們之前討論的所有內容，我寫了一個小型的 angular 應用程序，通過將兩個有 1000 個元素的數組相乘來比較 GPU 和 CPU 的計算性能。

第 1 步，生成 1000 個元素的數組的函數

我將生成一個每個元素有 1000 個數字的 2D 數組，并在接下來的步驟中使用它們進行計算。

generateMatrices() { 
 this.matrices = [[], []]; 
 for (let y = 0; y < this.matrixSize; y++) { 
  this.matrices[0].push([]) 
  this.matrices[1].push([]) 
  for (let x = 0; x < this.matrixSize; x++) { 
   const value1 = parseInt((Math.random() * 10).toString()) 
   const value2 = parseInt((Math.random() * 10).toString()) 
   this.matrices[0][y].push(value1) 
   this.matrices[1][y].push(value2) 
  } 
 } 
} 

第 2 步,內核函數

這是這個應用程序中最關鍵的函數，因為所有的 GPU 計算都發生在這里。

在這里，multiplyMatrix 函數將接收兩個數字數組和矩陣的大小作為輸入。

然后，它將把兩個數組相乘并返回總和，同時使用性能 API 測量時間。

gpuMultiplyMatrix() { 
  const gpu = new GPU(); 
  const multiplyMatrix = gpu.createKernel(function (a: number[][], b: number[][], matrixSize: number) { 
   let sum = 0; 
 
   for (let i = 0; i < matrixSize; i++) { 
    sum += a[this.thread.y][i] * b[i][this.thread.x]; 
   } 
   return sum; 
  }).setOutput([this.matrixSize, this.matrixSize]) 
  const startTime = performance.now(); 
  const resultMatrix = multiplyMatrix(this.matrices[0],  this.matrices[1], this.matrixSize); 
 
  const endTime = performance.now(); 
  this.gpuTime = (endTime - startTime) + " ms"; 
 
  console.log("GPU TIME : "+ this.gpuTime); 
  this.gpuProduct = resultMatrix as number[][]; 
} 

步驟 3,CPU 乘法函數。

這是一個傳統的 TypeScript 函數，用于測量相同數組的計算時間。

cpuMutiplyMatrix() { 
  const startTime = performance.now(); 
  const a = this.matrices[0]; 
  const b = this.matrices[1]; 
  let productRow = Array.apply(null, new Array(this.matrixSize)).map(Number.prototype.valueOf, 0); 
  let product = new Array(this.matrixSize); 
 
  for (let p = 0; p < this.matrixSize; p++) { 
    product[p] = productRow.slice(); 
  } 
 
  for (let i = 0; i < this.matrixSize; i++) { 
    for (let j = 0; j < this.matrixSize; j++) { 
      for (let k = 0; k < this.matrixSize; k++) { 
        product[i][j] += a[i][k] * b[k][j]; 
      } 
    } 
  } 
  const endTime = performance.now(); 
  this.cpuTime = (endTime — startTime) + “ ms”; 
  console.log(“CPU TIME : “+ this.cpuTime); 
  this.cpuProduct = product; 
} 

CPU vs GPU，性能比較

現在是時候看看圍繞著 GPU.js 和 GPU 計算的所有討論是否真實。由于我在上一節中創建了一個 Angular 應用程序，所以我用它來測量性能。

CPU vs GPU — Execution Time

你可以清楚地看到，GPU 編程的計算只花了 799ms，而 CPU 花了 7511ms，這幾乎是 10 倍的時間。

我沒有就此罷休，通過改變數組大小，對同樣的測試進行了幾個循環。

CPU vs GPU

首先，我試著用較小的數組大小，我注意到 CPU 比 GPU 花費的時間要少。例如，當我把數組大小減少到 10 個元素時，CPU 只花了 0.14ms，而 GPU 花了 108ms。

但隨著數組大小的增加，GPU 和 CPU 所花的時間有明顯的差距。正如你在上圖中看到的，GPU 是贏家。

結論

根據我使用 GPU.js 的實驗，它可以提高 JavaScript 應用程序的性能。

但是，我們必須注意只將 GPU 用于復雜的任務。否則，我們將浪費資源，最終會降低應用程序的性能，如上圖所示。不過，如果你還沒有嘗試過 GPU.js，我邀請大家使用它。