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，並且拖慢了你的程序？

有很多方法可以解決這個問題，例如使用 web worker 或後臺執行緒。GPU 減輕了 CPU 的處理負荷，給了 CPU 更多的空間來處理其他程序。同時，web worker 仍然執行在 CPU 上，但是執行在不同的執行緒上。

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 應用的效能。

什麼是 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）上進行通用程式設計，它使你可以將複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 引擎上執行。

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。

高效能運算是使用 GPU.js 的主要優勢之一。如果你想在瀏覽器中進行平行計算，而不瞭解 WebGL，那麼 GPU.js 是一個適合你的庫。

為什麼要使用 GPU.js

為什麼要使用 GPU 執行復雜的計算的原因不勝列舉，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。這是需要非同步完成的計算型別
• 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 上執行，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 執行計算的結果。

如你所見，GPU 比 CPU 快 22.97 倍。

GPU.js 的工作方式

考慮到這種速度水平，JavaScript 生態系統彷彿得到了一個可以乘坐的火箭。GPU 可以幫助網站更快地載入，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後臺執行緒和載入器，因為 GPU 執行計算的速度是普通 CPU 的 22.97 倍。

gpu.createKernel方法建立了一個從 JavaScript 函式移植過來的 GPU 加速核心。

與 GPU 並行執行核心函式會導致更快的計算速度——快 1-15 倍，這取決於你的硬體。

GPU.js 入門

為了展示如何使用 GPU.js 更快地計算複雜的計算，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 專案中要匯入 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，生成大量資料。

const getArrayValues = () => {

  // 在此處建立2D arrary
  const values = [[], []]

  // 將值插入第一個陣列
  for (let y = 0; y < 600; y++){
    values[0].push([])
    values[1].push([])

    // 將值插入第二個陣列
    for (let x = 0; x < 600; x++){
      values\[0\][y].push(Math.random())
      values\[1\][y].push(Math.random())
    }
  }

  // 返回填充陣列
  return values
}

建立核心（執行在 GPU 上的函式的另一個詞）。

const gpu = new GPU();

// 使用 `createKernel()` 方法將陣列相乘
const multiplyLargeValues = gpu
  .createKernel(function(a, b) {
    let sum = 0;
    for (let i = 0; i < 600; i++) {
      sum +=
        aaaaaaaaaaaaaaaa\[this.thread.yyyyyyyyyyyyyyyy\][
          i
        ] *
        bbbbbbbbbbbbbbbb\[iiiiiiiiiiiiiiii\][this.thread.x];
    }
    return sum;
  })
  .setOutput([600, 600]);

使用矩陣作為引數呼叫核心。

const largeArray = getArrayValues();
const out = multiplyLargeValues(
  largeArray[0],
  largeArray[1]
);

輸出

console.log(out\[y\][x]) // 將元素記錄在陣列的第x行和第y列
console.log(out\[10\][12]) // 記錄輸出陣列第10行和第12列的元素

執行 GPU 基準測試

你可以按照GitHub上指定的步驟執行基準測試。

npm install @gpujs/benchmark

const benchmark = require('@gpujs/benchmark')

const benchmarks = benchmark.benchmark(options);

options物件包含可以傳遞給基準的各種配置。

前往 GPU.js 官方網站檢視完整的計算基準，這將幫助你瞭解使用 GPU.js 進行復雜計算可以獲得多少速度。

結束

在本教程中，我們詳細探討了 GPU.js，分析了它的工作原理，並演示瞭如何進行平行計算。我們還演示瞭如何在你的 Node.js 應用中設定 GPU.js。