内容摘要：本文转载自微信公众号「TianTianUp」，作者小弋。转载本文请联系TianTianUp公众号。正文用 GPU.js 使你的应用程序快 10 倍。作为开发者，我们总是寻找机会来提高应用程序的性能。当

本文转载自微信公众号「TianTianUp」，何使作者小弋。改善转载本文请联系TianTianUp公众号。何使

正文

用 GPU.js 使你的改善应用程序快 10 倍。

作为开发者，何使我们总是改善寻找机会来提高应用程序的性能。当涉及到网络应用时，何使我们主要在代码中进行这些改进。改善

但是何使，你有没有想过将 GPU 的改善力量结合到你的网络应用中来提高性能?

本文将向你介绍一个名为 GPU.js 的 JavaScript 加速库，并告诉你如何改进复杂的何使计算。

什么是改善 GPU.js

首先，官网地址:

https://gpu.rocks/#/

Source: https://gpu.rocks/#/

简而言之，何使GPU.js 是改善一个 JavaScript 加速库，可用于使用 JavaScript 在 GPU 上进行通用计算。何使它支持浏览器、Node.js 和 TypeScript。

除了性能提升外，我推荐使用 GPU.js 的原因还有以下几点:

GPU.js 使用 JavaScript 作为基础，允许你使用 JavaScript 语法。 它承担着将 JavaScript 自动转译为着色器语言的责任，并对它们进行编译。高防服务器 如果设备中没有 GPU，它可以退回到普通的 JavaScript 引擎。因此，使用 GPU.js 不会有任何不利因素。 GPU.js 也可以用于并行计算。此外，你可以同时在 CPU 和 GPU 上异步地进行多项计算。

所有这些东西加在一起，我不认为有理由不使用 GPU.js。因此，让我们看看如何开始使用它。

如何设置 GPU.js?

为您的项目安装 GPU.js 与其他的 JavaScript 库类似。

对于 Node 项目

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(); 

对于 Bowsers

在本地下载 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，你需要确保你安装了正确的文件，运行：sudo apt install mesa-common-dev libxi-dev

这就是你需要知道的关于安装和导入 GPU.js 的情况。

现在，你可以开始在你的应用程序中使用 GPU 编程。

此外，我强烈建议理解 GPU.js 的基本功能和概念。所以，让我们从 GPU.js 的网站模板一些基础知识开始。

创建函数

你可以在 GPU.js 中定义函数以在 GPU 中运行，使用一般的 JavaScript 语法。

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

上面的代码样本显示了一个 GPU.js 函数的基本结构。我将该函数命名为 exampleKernel。正如你所看到的，我使用了 createKernel 函数，利用 GPU 进行计算。

另外，定义输出的大小是必须的。在上面的例子中，我使用了一个名为 settings 的参数来指定输出大小。

const settings = {      output: [100] }; 

内核函数的输出可以是 1D、2D 或 3D，这意味着它最多可以有 3 个线程。你可以使用 this.thread 命令在内核中访问这些线程。

1D : [长度] - 值[this.thread.x] 2D : [宽度，高度] - 值[this.thread.y][this.thread.x] 3D: [宽度，高度，深度] - 值[this.thread.z][this.thread.y][this.thread.x]。

最后，创建的源码下载函数可以像其他的 JavaScript 函数一样使用函数名来调用：exampleKernel()

内部支持的变量

Number

你可以在 GPU.js 函数中使用任何整数或浮点数。

const exampleKernel = gpu.createKernel(function() {   const number1 = 10;  const number2 = 0.10;  return number1 + number2; }, settings); 

Boolean

GPU.js 中也支持布尔值，与 JavaScript 类似。

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

Arrays

你可以在内核函数中定义任何大小的数字数组，并返回它们。

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

Functions

在内核函数中使用私有函数，在 GPU.js 中也是允许的。

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

支持的输入类型

除了上述变量类型外，你还可以向内核函数传递几种输入类型。

Numbers

与变量声明类似，你可以向内核函数传递整数或浮点数，如下所示。

const exampleKernel = gpu.createKernel(function(x) {   return x; }, settings); exampleKernel(25); 

1D,2D, or 3D Array of Numbers

你可以将 Array、Float32Array、Int16Array、Int8Array、Uint16Array、uInt8Array 等数组类型传入 GPU.js 内核。

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

预扁平化的 2D 和 3D 数组也被内核函数所接受。这种方法使上传的速度更快，你必须使用 GPU.js 的输入选项来实现这一点。

const {  input } = require(gpu.js); const value = input(flattenedArray, [width, height, depth]); 

HTML Images

与传统的 JavaScript 相比，将图像传递到函数中是我们在 GPU.js 中可以看到的一个新东西。使用 GPU.js，你可以将一个或多个 HTML 图像作为数组传递给内核函数。

//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，还有许多令人兴奋的事情可以用 GPU.js 进行实验。你可以在其文档中找到它们。既然你现在了解了几种配置，让我们用 GPU.js 写一个函数并比较其性能。

使用 GPU.js 的第一个功能

通过结合我们之前讨论的所有内容，我写了一个小型的 angular 应用程序，通过将两个有 1000 个元素的数组相乘来比较 GPU 和 CPU 的计算性能。

第 1 步，生成 1000 个元素的数组的函数

我将生成一个每个元素有 1000 个数字的 2D 数组，并在接下来的步骤中使用它们进行计算。

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,内核函数

这是这个应用程序中最关键的函数，因为所有的 GPU 计算都发生在这里。

在这里，multiplyMatrix 函数将接收两个数字数组和矩阵的大小作为输入。

然后，它将把两个数组相乘并返回总和，同时使用性能 API 测量时间。

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[][]; } 

步骤 3,CPU 乘法函数。

这是一个传统的 TypeScript 函数，用于测量相同数组的计算时间。

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，性能比较

现在是时候看看围绕着 GPU.js 和 GPU 计算的所有讨论是否真实。由于我在上一节中创建了一个 Angular 应用程序，所以我用它来测量性能。

CPU vs GPU — Execution Time

你可以清楚地看到，GPU 编程的计算只花了 799ms，而 CPU 花了 7511ms，这几乎是 10 倍的时间。

我没有就此罢休，通过改变数组大小，对同样的测试进行了几个循环。

CPU vs GPU

首先，我试着用较小的数组大小，我注意到 CPU 比 GPU 花费的时间要少。例如，当我把数组大小减少到 10 个元素时，CPU 只花了 0.14ms，而 GPU 花了 108ms。

但随着数组大小的增加，GPU 和 CPU 所花的时间有明显的差距。正如你在上图中看到的，GPU 是赢家。

结论

根据我使用 GPU.js 的实验，它可以提高 JavaScript 应用程序的性能。

但是，我们必须注意只将 GPU 用于复杂的任务。否则，我们将浪费资源，最终会降低应用程序的性能，如上图所示。不过，如果你还没有尝试过 GPU.js，我邀请大家使用它。