今天分享的內容是基於GPU.js來提升效能。

正文

用 GPU.js使你的應用程式快 10 倍。

作為開發者，我們總是尋找機會來提高應用程式的效能。當涉及到網路應用時，我們主要在程式碼中進行這些改進。

但是，你有沒有想過將 GPU 的力量結合到你的網路應用中來提高效能？

本文將向你介紹一個名為 GPU.js 的JavaScript加速庫，並告訴你如何改進複雜的計算。

什麼是 GPU.js

首先，官網地址:https://gpu.rocks/

簡而言之，GPU.js 是一個JavaScript加速庫，可用於使用 JavaScript 在 GPU 上進行通用計算。它支援瀏覽器、Node.js 和 TypeScript。

除了效能提升外，我推薦使用 GPU.js 的原因還有以下幾點:

GPU.js 使用 JavaScript 作為基礎，允許你使用 JavaScript語法。
它承擔著將 JavaScript 自動轉譯為著色器語言的責任，並對它們進行編譯。
如果裝置中沒有 GPU，它可以退回到普通的 JavaScript 引擎。因此，使用 GPU.js 不會有任何不利因素。
GPU.js 也可以用於平行計算。此外，你可以同時在 CPU 和 GPU 上非同步地進行多項計算。

所有這些東西加在一起，我不認為有理由不使用 GPU.js。因此，讓我們看看如何開始使用它。

如何設定 GPU.js？

為您的專案安裝 GPU.js 與其他的 JavaScript 庫類似。

對於 Node 專案

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檔案，執行：sudo apt install mesa-common-dev libxi-dev

這就是你需要知道的關於安裝和匯入 GPU.js 的情況。

現在，你可以開始在你的應用程式中使用 GPU 程式設計。

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。

建立函式

你可以在 GPU.js 中定義函式以在 GPU 中執行，使用一般的 JavaScript 語法。

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

上面的程式碼樣本顯示了一個 GPU.js 函式的基本結構。我將該函式命名為 exampleKernel。正如你所看到的，我使用了 createKernel 函式，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 的引數來指定輸出大小。

const settings = {
    output: [100]
};

核心函式的輸出可以是 1D、2D 或 3D，這意味著它最多可以有 3 個執行緒。你可以使用 this.thread 命令在核心中訪問這些執行緒。

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]。

最後，建立的函式可以像其他的 JavaScript 函式一樣使用函式名來呼叫：exampleKernel()

內部支援的變數

Number

你可以在 GPU.js 函式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 中也支援布林值，與 JavaScript 類似。

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

Arrays

你可以在核心函式中定義任何大小的數字陣列，並返回它們。

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

Functions

在核心函式中使用私有函式，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);

支援的輸入型別

除了上述變數型別外，你還可以向核心函式傳遞幾種輸入型別。

Numbers

與變數宣告類似，你可以向核心函式傳遞整數或浮點數，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 等陣列型別傳入 GPU.js 核心。

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

預扁平化的 2D 和 3D 陣列也被核心函式所接受。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]);

htmlImages

與傳統的 JavaScript 相比，將影象傳遞到函式中是我們在 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影象作為陣列傳遞給核心函式。

//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。你可以在其文件中找到它們。既然你現在瞭解了幾種配置，讓我們用 GPU.js 寫一個函式並比較其效能。

https://www.98891.com/article-75-1.html

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 應用程式，通過將兩個有 1000 個元素的陣列相乘來比較 GPU 和 CPU 的計算效能。

第 1 步，生成 1000 個元素的陣列的函式

我將生成一個每個元素有 1000 個數字的 2D 陣列，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,核心函式

這是這個應用程式中最關鍵的函式，因為所有的 GPU 計算都發生在這裡。

在這裡，multiplyMatrix 函式將接收兩個數字陣列和矩陣的大小作為輸入。

然後，它將把兩個陣列相乘並返回總和，同時使用效能 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 乘法函式。

這是一個傳統的 TypeScript 函式，用於測量相同陣列的計算時間。

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;
}

CPU vs GPU，效能比較

現在是時候看看圍繞著 GPU.js 和 GPU 計算的所有討論是否真實。由於我在上一節中建立了一個 Angular 應用程式，所以我用它來測量效能。

你可以清楚地看到，GPU 程式設計的計算只花了 799ms，而 CPU 花了 7511ms，這幾乎是 10 倍的時間。

我沒有就此罷休，通過改變陣列大小，對同樣的測試進行了幾個迴圈。

首先，我試著用較小的陣列大小，我注意到 CPU 比 GPU 花費的時間要少。例如，當我把陣列大小減少到 10 個元素時，CPU 只花了 0.14ms，而 GPU 花了 108ms。

但隨著陣列大小的增加，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。

結論

根據我使用 GPU.js 的實驗，它可以提高 JavaScript 應用程式的效能。

但是，我們必須注意只將 GPU 用於複雜的任務。否則，我們將浪費資源，最終會降低應用程式的效能，如上圖所示。不過，如果你還沒有嘗試過 GPU.js，我邀請大家使用它。