@cuda.jit与@jit之间的差异(target=‘gpu’)
@cuda.jit与@jit之间的差异(target=‘gpu’)
提问于 2016-03-09 11:15:41
关于如何使用Continuum加速包和numba包的Python库，我有一个问题。是在target = gpu中使用与@cuda.jit相同的装饰符@cuda.jit
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-03-09 21:01:43
不，它们是不一样的，虽然最终编译到PTX到汇编程序的路径是。@jit装饰器是通用的编译器路径，可以选择引导到CUDA设备上。@cuda.jit装饰器实际上是连续分析所发展的底层Python核心方言。因此，您可以获得对CUDA内置变量(如threadIdx )和内存空间说明符(如__shared__ in @cuda.jit )的支持。
如果您想用Python编写一个CUDA内核并编译并运行它，请使用@cuda.jit。否则，如果您想要加速现有的Python部分，请使用@jit和一个CUDA目标。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/35890045
复制相关文章
相似问题
腾讯云开发者
