正文
用 GPU.js 使你的应用程序快 10 倍。
作为开发者,我们总是寻找机会来提高应用程序的性能。当涉及到网络应用时,我们主要在代码中进行这些改进。
但是,你有没有想过将 GPU 的力量结合到你的网络应用中来提高性能?
本文将向你介绍一个名为 GPU.js 的 JavaScript 加速库,并告诉你如何改进复杂的计算。
什么是 GPU.js
首先,官网地址:
https://gpu.rocks/#/
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 ---
- src="https://unpkg.com/gpu.js@latest/dist/gpu- browser.min.js">
-
- rc="https://cdn.jsdelivr.net/npm/gpu.js@latest/dist/gpu-browser.min.js">
-
-
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;
- }
CPU vs GPU,性能比较
现在是时候看看围绕着 GPU.js 和 GPU 计算的所有讨论是否真实。由于我在上一节中创建了一个 Angular 应用程序,所以我用它来测量性能。
CPU vs GPU — Execution Time
你可以清楚地看到,GPU 编程的计算只花了 799ms,而 CPU 花了 7511ms,这几乎是 10 倍的时间。
我没有就此罢休,通过改变数组大小,对同样的测试进行了几个循环。
CPU vs GPU
首先,我试着用较小的数组大小,我注意到 CPU 比 GPU 花费的时间要少。例如,当我把数组大小减少到 10 个元素时,CPU 只花了 0.14ms,而 GPU 花了 108ms。
但随着数组大小的增加,GPU 和 CPU 所花的时间有明显的差距。正如你在上图中看到的,GPU 是赢家。
结论
根据我使用 GPU.js 的实验,它可以提高 JavaScript 应用程序的性能。
但是,我们必须注意只将 GPU 用于复杂的任务。否则,我们将浪费资源,最终会降低应用程序的性能,如上图所示。不过,如果你还没有尝试过 GPU.js,我邀请大家使用它。