你是否曾經嘗試過運行復雜的計算，卻發(fā)現它需要花費很長時間，并且拖慢了你的進程？

有很多方法可以解決這個問題，例如使用 web worker 或后臺線程。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(zhí)行復雜的數學計算并提高 JavaScript 應用的性能。

什么是 GPU.js？

GPU.js 是一個針對 Web 和 Node.js 構建的 JavaScript 加速庫，用于在圖形處理單元（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(tǒng)上沒有 GPU 的情況下，這些功能仍將在常規(guī) JavaScript 引擎上運行。

當你要執(zhí)行復雜的計算時，實質上是將這種負擔轉移給系統(tǒng)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(yōu)勢之一。如果你想在瀏覽器中進行并行計算，而不了解 WebGL，那么 GPU.js 是一個適合你的庫。

為什么要使用 GPU.js

為什么要使用 GPU 執(zhí)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 可用于執(zhí)行大規(guī)模并行 GPGPU 計算。這是需要異步完成的計算類型
• 當系統(tǒng)中沒有 GPU 時，它會優(yōu)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。

GPU.js 的工作方式

考慮到這種速度水平，JavaScript 生態(tài)系統(tǒng)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(zhí)行復雜計算的網站。你不再需要擔心使用后臺線程和加載器，因為 GPU 運行計算的速度是普通 CPU 的 22.97 倍。

gpu.createKernel 方法創(chuàng)建了一個從 JavaScript 函數移植過來的 GPU 加速內核。

與 GPU 并行運行內核函數會導致更快的計算速度——快 1-15 倍，這取決于你的硬件。

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

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 上并行完成的。

首先，生成大量數據。

const getArrayValues = () => {

 // 在此處創(chuàng)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(chuàng)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 +=
    aaaaaaaaaaaaaaaa\[this.thread.yyyyyyyyyyyyyyyy\][
     i
    ] *
    bbbbbbbbbbbbbbbb\[iiiiiiiiiiiiiiii\][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

運行 GPU 基準測試

你可以按照GitHub上指定的步驟運行基準測試

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準的各種配置。

前往 GPU.js 官方網站查看完整的計算基準，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。

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，并演示了如何進行并行計算。我們還演示了如何在你的 Node.js 應用中設置 GPU.js。

以上就是如何使用gpu.js改善JavaScript的性能的詳細內容，更多關于改善JavaScript性能的資料請關注腳本之家其它相關文章！

最新評論