Có thể các trán python biên dịch mã CUDA không?

Question

Tôi có mã CUDA mà tôi muốn xây dựng một thư viện động cho Python bằng cách sử dụng các dấu rãnh. Nhưng có vẻ như các distutils không nhận ra tệp ".cu" ngay cả khi trình biên dịch "nvcc" được cài đặt. Không chắc chắn làm thế nào để hoàn thành nó.

Answer 1

Các dấu hiệu không thể biên dịch CUDA theo mặc định, vì nó không hỗ trợ sử dụng nhiều trình biên dịch đồng thời. Theo mặc định, nó thiết lập để trình biên dịch chỉ dựa trên nền tảng của bạn, không phải trên loại mã nguồn bạn có.

Tôi có một dự án ví dụ về github có chứa một số bản vá lỗi khỉ vào các mấu để hack hỗ trợ cho việc này. Dự án ví dụ là một lớp C++ quản lý một bộ nhớ GPU và một hạt nhân CUDA, được bọc trong swig, và tất cả được biên dịch chỉ với python setup.py install. Trọng tâm là về các hoạt động mảng, vì vậy chúng tôi cũng đang sử dụng numpy. Tất cả hạt nhân làm cho dự án ví dụ này là tăng từng phần tử trong một mảng bằng một.

Mã ở đây: https://github.com/rmcgibbo/npcuda-example. Đây là kịch bản setup.py. Chìa khóa cho toàn bộ mã là customize_compiler_for_nvcc().

import os 
from os.path import join as pjoin 
from setuptools import setup 
from distutils.extension import Extension 
from distutils.command.build_ext import build_ext 
import subprocess 
import numpy 

def find_in_path(name, path): 
    "Find a file in a search path" 
    #adapted fom http://code.activestate.com/recipes/52224-find-a-file-given-a-search-path/ 
    for dir in path.split(os.pathsep): 
     binpath = pjoin(dir, name) 
     if os.path.exists(binpath): 
      return os.path.abspath(binpath) 
    return None 


def locate_cuda(): 
    """Locate the CUDA environment on the system 

    Returns a dict with keys 'home', 'nvcc', 'include', and 'lib64' 
    and values giving the absolute path to each directory. 

    Starts by looking for the CUDAHOME env variable. If not found, everything 
    is based on finding 'nvcc' in the PATH. 
    """ 

    # first check if the CUDAHOME env variable is in use 
    if 'CUDAHOME' in os.environ: 
     home = os.environ['CUDAHOME'] 
     nvcc = pjoin(home, 'bin', 'nvcc') 
    else: 
     # otherwise, search the PATH for NVCC 
     nvcc = find_in_path('nvcc', os.environ['PATH']) 
     if nvcc is None: 
      raise EnvironmentError('The nvcc binary could not be ' 
       'located in your $PATH. Either add it to your path, or set $CUDAHOME') 
     home = os.path.dirname(os.path.dirname(nvcc)) 

    cudaconfig = {'home':home, 'nvcc':nvcc, 
        'include': pjoin(home, 'include'), 
        'lib64': pjoin(home, 'lib64')} 
    for k, v in cudaconfig.iteritems(): 
     if not os.path.exists(v): 
      raise EnvironmentError('The CUDA %s path could not be located in %s' % (k, v)) 

    return cudaconfig 
CUDA = locate_cuda() 


# Obtain the numpy include directory. This logic works across numpy versions. 
try: 
    numpy_include = numpy.get_include() 
except AttributeError: 
    numpy_include = numpy.get_numpy_include() 


ext = Extension('_gpuadder', 
       sources=['src/swig_wrap.cpp', 'src/manager.cu'], 
       library_dirs=[CUDA['lib64']], 
       libraries=['cudart'], 
       runtime_library_dirs=[CUDA['lib64']], 
       # this syntax is specific to this build system 
       # we're only going to use certain compiler args with nvcc and not with gcc 
       # the implementation of this trick is in customize_compiler() below 
       extra_compile_args={'gcc': [], 
            'nvcc': ['-arch=sm_20', '--ptxas-options=-v', '-c', '--compiler-options', "'-fPIC'"]}, 
       include_dirs = [numpy_include, CUDA['include'], 'src']) 


# check for swig 
if find_in_path('swig', os.environ['PATH']): 
    subprocess.check_call('swig -python -c++ -o src/swig_wrap.cpp src/swig.i', shell=True) 
else: 
    raise EnvironmentError('the swig executable was not found in your PATH') 



def customize_compiler_for_nvcc(self): 
    """inject deep into distutils to customize how the dispatch 
    to gcc/nvcc works. 

    If you subclass UnixCCompiler, it's not trivial to get your subclass 
    injected in, and still have the right customizations (i.e. 
    distutils.sysconfig.customize_compiler) run on it. So instead of going 
    the OO route, I have this. Note, it's kindof like a wierd functional 
    subclassing going on.""" 

    # tell the compiler it can processes .cu 
    self.src_extensions.append('.cu') 

    # save references to the default compiler_so and _comple methods 
    default_compiler_so = self.compiler_so 
    super = self._compile 

    # now redefine the _compile method. This gets executed for each 
    # object but distutils doesn't have the ability to change compilers 
    # based on source extension: we add it. 
    def _compile(obj, src, ext, cc_args, extra_postargs, pp_opts): 
     if os.path.splitext(src)[1] == '.cu': 
      # use the cuda for .cu files 
      self.set_executable('compiler_so', CUDA['nvcc']) 
      # use only a subset of the extra_postargs, which are 1-1 translated 
      # from the extra_compile_args in the Extension class 
      postargs = extra_postargs['nvcc'] 
     else: 
      postargs = extra_postargs['gcc'] 

     super(obj, src, ext, cc_args, postargs, pp_opts) 
     # reset the default compiler_so, which we might have changed for cuda 
     self.compiler_so = default_compiler_so 

    # inject our redefined _compile method into the class 
    self._compile = _compile 


# run the customize_compiler 
class custom_build_ext(build_ext): 
    def build_extensions(self): 
     customize_compiler_for_nvcc(self.compiler) 
     build_ext.build_extensions(self) 

setup(name='gpuadder', 
     # random metadata. there's more you can supploy 
     author='Robert McGibbon', 
     version='0.1', 

     # this is necessary so that the swigged python file gets picked up 
     py_modules=['gpuadder'], 
     package_dir={'': 'src'}, 

     ext_modules = [ext], 

     # inject our custom trigger 
     cmdclass={'build_ext': custom_build_ext}, 

     # since the package has c code, the egg cannot be zipped 
     zip_safe=False)