你是否曾經嘗試過運行復雜的計算，卻發現它需要花費很長時間，並且拖慢了你的進程？
有很多方法可以解決這個問題，例如使用 web worker 或后台線程。GPU 減輕了 CPU 的處理負荷，給了 CPU 更多的空間來處理其他進程。同時，web worker 仍然運行在 CPU 上，但是運行在不同的線程上。
在該初學者指南中，我們將演示如何使用GPU.js執行復雜的數學計算並提高 JavaScript 應用的性能。
1.什么是 GPU.js？
GPU.js 是一個針對 Web 和 Node.js 構建的 JavaScript 加速庫，用於在圖形處理單元（GPGPU）上進行通用編程，它使你可以將復雜且耗時的計算移交給 GPU 而不是 CPU，以實現更快的計算和操作。還有一個備用選項：在系統上沒有 GPU 的情況下，這些功能仍將在常規 JavaScript 引擎上運行。
當你要執行復雜的計算時，實質上是將這種負擔轉移給系統的 GPU 而不是 CPU，從而增加了處理速度和時間。
高性能計算是使用 GPU.js 的主要優勢之一。如果你想在瀏覽器中進行並行計算，而不了解 WebGL，那么 GPU.js 是一個適合你的庫。
2.為什么要使用 GPU.js
為什么要使用 GPU 執行復雜的計算的原因不勝枚舉，有太多的原因無法在一篇文章中探討。以下是使用 GPU 的一些最值得注意的好處。
- GPU 可用於執行大規模並行 GPGPU 計算。這是需要異步完成的計算類型
- 當系統中沒有 GPU 時，它會優雅地退回到 JavaScript
- GPU 當前在瀏覽器和 Node.js 上運行，非常適合通過大量計算來加速網站
- GPU.js 是在考慮 JavaScript 的情況下構建的，因此這些功能均使用合法的 JavaScript 語法
如果你認為你的處理器可以勝任，你不需要 GPU.js，看看下面這個 GPU 和 CPU 運行計算的結果。
如你所見，GPU 比 CPU 快 22.97 倍。
3.GPU.js 的工作方式
考慮到這種速度水平，JavaScript 生態系統仿佛得到了一個可以乘坐的火箭。GPU 可以幫助網站更快地加載，特別是必須在首頁上執行復雜計算的網站。你不再需要擔心使用后台線程和加載器，因為 GPU 運行計算的速度是普通 CPU 的 22.97 倍。
gpu.createKernel 方法創建了一個從 JavaScript 函數移植過來的 GPU 加速內核。
與 GPU 並行運行內核函數會導致更快的計算速度——快 1-15 倍，這取決於你的硬件。
4.GPU.js 入門
為了展示如何使用 GPU.js 更快地計算復雜的計算，讓我們快速啟動一個實際的演示。
安裝
sudo apt install mesa-common-dev libxi-dev // using Linux
npm install gpu.js --save // OR yarn add gpu.js
在你的 Node 項目中要導入 GPU.js。
import { GPU } from ('gpu.js')
// OR
const { GPU } = require('gpu.js')
const gpu = new GPU();
乘法演示
在下面的示例中，計算是在 GPU 上並行完成的。
首先，生成大量數據。
const getArrayValues = () => {
// 在此處創建2D arrary
const values = [[], []]
// 將值插入第一個數組
for (let y = 0; y < 600; y++){
values[0].push([])
values[1].push([])
// 將值插入第二個數組
for (let x = 0; x < 600; x++){
values\[0\][y].push(Math.random())
values\[1\][y].push(Math.random())
}
}
// 返回填充數組
return values
}
創建內核（運行在 GPU 上的函數的另一個詞）。
const gpu = new GPU();
// 使用 `createKernel()` 方法將數組相乘
const multiplyLargeValues = gpu
.createKernel(function(a, b) {
let sum = 0;
for (let i = 0; i < 600; i++) {
sum +=
a[this.thread.y][
i
] *
b[i][this.thread.x];
}
return sum;
})
.setOutput([600, 600]);
使用矩陣作為參數調用內核。
const largeArray = getArrayValues(); const out = multiplyLargeValues( largeArray[0], largeArray[1] );
輸出
console.log(out\[y\][x]) // 將元素記錄在數組的第x行和第y列 console.log(out\[10\][12]) // 記錄輸出數組第10行和第12列的元素
5.運行 GPU 基准測試
你可以按照GitHub上指定的步驟運行基准測試。
npm install @gpujs/benchmark
const benchmark = require('@gpujs/benchmark')
const benchmarks = benchmark.benchmark(options);
options 對象包含可以傳遞給基准的各種配置。
前往 GPU.js 官方網站查看完整的計算基准，這將幫助你了解使用 GPU.js 進行復雜計算可以獲得多少速度。
6.如何設置 GPU.js？
為您的項目安裝 GPU.js 與其他的 JavaScript 庫類似。
對於 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();
對於 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於安裝和導入 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，這意味着它最多可以有 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，並返回它們。
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 寫一個函數並比較其性能。
7.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，並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並返回總和，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，用於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;
}
8.CPU vs GPU，性能比較
現在是時候看看圍繞着 GPU.js 和 GPU 計算的所有討論是否真實。由於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，我試着用較小的數組大小，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。
但隨着數組大小的增加，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。
10.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 用於復雜的任務。否則，我們將浪費資源，最終會降低應用程序的性能，