我有一个关于使用 Continuum 的 Accelerate 和 numba 包中的 Python CUDA 库的问题。是用装饰@jit用target = gpu一样的@cuda.jit？
不，它们不一样，尽管最终编译到 PTX 到汇编程序的路径是。的@jit装饰是一般编译器的路径，其可以任选地转向到CUDA设备。该@cuda.jit装饰实际上是其连续Analytics（分析）已经开发出了低级别的Python CUDA内核方言。因此，您可以获得对 CUDA 内置变量（如 in ）threadIdx和内存空间说明符__shared__的支持@cuda.jit。
如果您想用 Python 编写 CUDA 内核并编译和运行它，请使用@cuda.jit. 否则，如果您想使用@jitCUDA 目标加速现有的 Python 使用。