怎么使用GPU改善JavaScript性能

这篇文章主要介绍了怎么使用GPU改善JavaScript性能，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

创新互联建站-专业网站定制、快速模板网站建设、高性价比宝鸡网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式宝鸡网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖宝鸡地区。费用合理售后完善，10余年实体公司更值得信赖。

什么是 GPU.js

首先，官网地址:

https://gpu.rocks/#/

怎么使用GPU改善JavaScript性能

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

简而言之，GPU.js 是一个 JavaScript 加速库，可用于使用 JavaScript 在 GPU 上进行通用计算。它支持浏览器、Node.js 和 TypeScript。

除了性能提升外，我推荐使用 GPU.js 的原因还有以下几点:

GPU.js 使用 JavaScript 作为基础，允许你使用 JavaScript 语法。
它承担着将 JavaScript 自动转译为着色器语言的责任，并对它们进行编译。
如果设备中没有 GPU，它可以退回到普通的 JavaScript 引擎。因此，使用 GPU.js 不会有任何不利因素。
GPU.js 也可以用于并行计算。此外，你可以同时在 CPU 和 GPU 上异步地进行多项计算。

所有这些东西加在一起，我不认为有理由不使用 GPU.js。因此，让我们看看如何开始使用它。

如何设置 GPU.js?

为您的项目安装 GPU.js 与其他的 JavaScript 库类似。

对于 Node 项目

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();

对于 Bowsers

在本地下载 GPU.js 或使用其 cdn。

 --- or ---

注意：

如果你使用的是 Linux，你需要确保你安装了正确的文件，运行：sudo apt install mesa-common-dev libxi-dev

这就是你需要知道的关于安装和导入 GPU.js 的情况。

现在，你可以开始在你的应用程序中使用 GPU 编程。

此外，我强烈建议理解 GPU.js 的基本功能和概念。所以，让我们从 GPU.js 的一些基础知识开始。

创建函数

你可以在 GPU.js 中定义函数以在 GPU 中运行，使用一般的 JavaScript 语法。

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

上面的代码样本显示了一个 GPU.js 函数的基本结构。我将该函数命名为 exampleKernel。正如你所看到的，我使用了 createKernel 函数，利用 GPU 进行计算。

另外，定义输出的大小是必须的。在上面的例子中，我使用了一个名为 settings 的参数来指定输出大小。

const settings = {     output: [100] };

内核函数的输出可以是 1D、2D 或 3D，这意味着它最多可以有 3 个线程。你可以使用 this.thread 命令在内核中访问这些线程。

1D : [长度] - 值[this.thread.x]
2D : [宽度，高度] - 值[this.thread.y][this.thread.x]
3D: [宽度，高度，深度] - 值[this.thread.z][this.thread.y][this.thread.x]。

最后，创建的函数可以像其他的 JavaScript 函数一样使用函数名来调用：exampleKernel()

内部支持的变量

Number

你可以在 GPU.js 函数中使用任何整数或浮点数。

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

Boolean

GPU.js 中也支持布尔值，与 JavaScript 类似。

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

Arrays

你可以在内核函数中定义任何大小的数字数组，并返回它们。

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

Functions

在内核函数中使用私有函数，在 GPU.js 中也是允许的。

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

支持的输入类型

除了上述变量类型外，你还可以向内核函数传递几种输入类型。

Numbers

与变量声明类似，你可以向内核函数传递整数或浮点数，如下所示。

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

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

你可以将 Array、Float32Array、Int16Array、Int8Array、Uint16Array、uInt8Array 等数组类型传入 GPU.js 内核。

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

预扁平化的 2D 和 3D 数组也被内核函数所接受。这种方法使上传的速度更快，你必须使用 GPU.js 的输入选项来实现这一点。

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

HTML Images

与传统的 JavaScript 相比，将图像传递到函数中是我们在 GPU.js 中可以看到的一个新东西。使用 GPU.js，你可以将一个或多个 HTML 图像作为数组传递给内核函数。

//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，还有许多令人兴奋的事情可以用 GPU.js 进行实验。你可以在其文档中找到它们。既然你现在了解了几种配置，让我们用 GPU.js 写一个函数并比较其性能。

使用 GPU.js 的第一个功能

通过结合我们之前讨论的所有内容，我写了一个小型的 angular 应用程序，通过将两个有 1000 个元素的数组相乘来比较 GPU 和 CPU 的计算性能。

第 1 步，生成 1000 个元素的数组的函数

我将生成一个每个元素有 1000 个数字的 2D 数组，并在接下来的步骤中使用它们进行计算。

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,内核函数

这是这个应用程序中最关键的函数，因为所有的 GPU 计算都发生在这里。

在这里，multiplyMatrix 函数将接收两个数字数组和矩阵的大小作为输入。

然后，它将把两个数组相乘并返回总和，同时使用性能 API 测量时间。

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[][]; }

步骤 3,CPU 乘法函数。

这是一个传统的 TypeScript 函数，用于测量相同数组的计算时间。

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; }