????????Numba是一个针对Python的开源JIT编译器，由Anaconda公司主导开发，可以对Python原生代码进行CPU和GPU加速。Numba对NumPy数组和函数非常友好。
????????使用Numba非常方便，只需要在Python原生函数上增加一个装饰器（Decorator）。Numba会将这些函数使用即时编译JIT方式编译成机器码，这些代码将以近乎机器码的速度运行。
1.CPU加速：
只用1行代码即可加速，对loop有奇效
在函数前面加一个@nb.jit? 其他不用变
import numba as nb
import numpy as np
#把数据导入到data里面
f = open(r'source.txt')
data = f.read().split(" ")
while '' in data:
data.remove('')
data = np.array(data, dtype = int)
#定义nb_func函数
@nb.jit
def cpu_func(out,data):
for i in range(1200):
for j in range(762):
for k in range(128):
for n in range(128):
order = int((((i * i + (j - k * 6) * (j - k * 6)) ** 0.5 + (i * i + (j - n * 6) * (j - n * 6)) ** 0.5) * 0.05) / 1.54 * 30)
if (order < 2000):
out[j][i] = out[j][i] + data[k * 2000 + order]
#定义一个二维数组存放重建图像
out = np.zeros([762,1200])
cpu_func(out,data)
print(data)
耗时大约75s（c++编程在不加速的情况下需要20分钟）
输出：
2.GPU加速：?
与传统的Python CPU代码不同的是：
- 使用
from numba import cuda引入cuda库 - 在GPU函数上添加
@cuda.jit装饰符，表示该函数是一个在GPU设备上运行的函数，GPU函数又被称为核函数。 - 主函数调用GPU核函数时，需要添加如
[1, 2]这样的执行配置，这个配置是在告知GPU以多大的并行粒度同时进行计算。gpu_func[1, 2]()表示开启一个block块，每个block块开启2个线程并行地执行gpu_func函数，函数将被并行地执行2次。 - GPU核函数的启动方式是异步的：启动GPU函数后，CPU不会等待GPU函数执行完毕才执行下一行代码。必要时，需要调用
cuda.synchronize()，告知CPU等待GPU执行完核函数后，再进行CPU端后续计算。这个过程被称为同步。
?Thread层次结构：
????????CUDA将核函数所定义的运算称为线程（Thread），多个线程组成一个块（Block），多个块组成网格（Grid）。这样一个Grid可以定义成千上万个线程，也就解决了并行执行上万次操作的问题。例如，把前面的程序改为并行执行8次：可以用2个Block，每个Block中有4个Thread。原来的代码可以改为gpu_func[2, 4]()，其中方括号中第一个数字表示整个Grid有多少个Block，方括号中第二个数字表示一个Block有多少个Thread。
????????CUDA提供了一系列内置变量，以记录Thread和Block的大小及索引下标。以[2, 4]这样的配置为例：blockDim.x变量表示Block的大小是4，即每个Block有4个Thread，threadIdx.x变量是一个从0到blockDim.x - 1（4-1=3）的索引下标，记录这是第几个Thread；gridDim.x变量表示Grid的大小是2，即每个Grid有2个Block，blockIdx.x变量是一个从0到gridDim.x - 1（2-1=1）的索引下标，记录这是第几个Block。
某个Thread在整个Grid中的位置编号为：threadIdx.x + blockIdx.x * blockDim.x。
?将CPU的代码改进一下就能得到：
import numba as nb
import numpy as np
from numba import cuda
#检测一下GPU是否可用
print(cuda.gpus)
#把数据导入到data里面
f = open(r'source.txt')
data = f.read().split(" ")
while '' in data:
data.remove('')
data = np.array(data, dtype = int)
@cuda.jit
def nb_func(out,data):
# j定义为这个thread在所在的block块中的位置（0 <= j <= 761）
j = cuda.threadIdx.x
# i定义为这个block块在gird中的位置（0 <= i <= 1199）
i = cuda.blockIdx.x
for k in range(128):
for n in range(128):
order = int((((i * i + (j - k * 6) * (j - k * 6)) ** 0.5 + (i * i + (j - n * 6) * (j - n * 6)) ** 0.5) * 0.05) / 1.54 * 30)
if (order < 2000):
out[j][i] = out[j][i] + data[k * 2000 + order]
#将data数据拷贝到GPU
data_device=cuda.to_device(data)
#在GPU里开辟一块空间存放图像数组
out_device=cuda.device_array([762,1200])
#运行nb_func()函数
nb_func[1200,762](out_device,data_device)
#最后将图像数据从GPU拷贝回CPU
out = out_device.copy_to_host()
print(out)?最后耗时约25s，其中并行运算的仅耗时0.5s，将数据从GPU拷贝回CPU耗时24.5s
输出：
（但是两种方法求出的数据有些许出入，还没搞清楚为什么）?
Reference：初识GPU编程 | Weizheng