numpy Pyomo通过NVIDIA Cuda解决了

w1jd8yoj 于 12个月前发布在其他

关注(0)|答案(2)|浏览(72)

我想知道是否有一种方法可以使用NVIDIA Cuda在GPU上解决Pyomo混凝土模型。
我看了https://developer.nvidia.com/how-to-cuda-python，看了一段视频。如果你的输入参数可以被numpy识别，比如; np.float32，np.float64，etc.可以在GPU上编译/求解，
我们使用一个函数来创建所有模型并使用以下方法求解：

optim = SolverFactory('glpk')
optim = setup_solver(optim, logfile=log_filename)
result = optim.solve(prob, tee=True)

在这种情况下，我们求解函数的输入将是prob（一个pyomo具体模型）。有没有一种方法可以通过GPU而不是CPU来解决这个问题？
感谢您！

numpy

来源：https://stackoverflow.com/questions/45898942/pyomo-solves-over-nvidia-cuda

2条答案

按热度按时间

hof1towb1#

你不能

公平地说，人们可以写一本书来说明这种想法是多么的误导，但是让我们把它变得简单，只是指出一些基本的东西（忽略很多其他细节）：

GPU的工作方式与CPU不同，使用其他指令
GPU将需要一些驱动程序/编译器来使一些代码可运行
虽然可能会有一些简化的高级语言来使用通用代码生成GPU兼容的代码，但这是高度实验性的，有限的，当然：比手动调优的代码更糟糕
*GPU并非在所有情况下都更快（更严格：他们只是在某些事情上更快，这很难实现）
你还需要为延迟和数据拷贝付费
GPU通常也具有较少的RAM
线性规划和整数规划是用高度复杂的算法来解决的
理论上说：单纯形算法（GLPK使用的）很难并行化（哎哟;对GPU不好）
理论上说：IPM方法（也可以解决LP）易于并行化
*没有已知的竞争基于GPU的Simplex求解器！（我实际上不知道GPU的任何Simplex实现，可以想到很多原因）
有一些专门的基于IPM的GPU方法，不与pyomo接口;也没有基于GPU的商业求解器
IPM对整数编程非常不利
GLPK，你的求解器，除了被python调用之外，与python没有任何关系（所以整个python-cuda链接我们都没用）