Pyomo 解决了 NVIDIA Cuda 问题

Question

我想知道是否有办法使用 NVIDIA Cuda 通过 GPU 求解 Pyomo 具体模型。

我查看了https://developer.nvidia.com/how-to-cuda-python，并看到了有关它的视频。事实证明你的输入参数是否可以被 numpy 识别，例如；np.float32、np.float64 等...可以通过 GPU 进行编译/求解，

我们使用一个函数来创建所有模型并用以下方法求解：

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）。有没有办法通过 GPU 而不是 CPU 来解决这个问题？

谢谢你！

Answer 1

不，你不能。

公平地说，人们可以写一本关于这个想法有多么误导的书，但让我们把它简单化，只指出一些基本的东西（并忽略许多其他细节）：

• GPU 的工作方式不同，并且使用与 CPU 不同的指令
• GPU 需要一些驱动程序/编译器来使某些代码可运行
• 虽然可能有一些简化的高级语言可以使用通用代码生成 GPU 兼容的代码，但这是高度实验性的、有限的，当然：比手动调整的代码差得多
• GPU 并不是在所有事情上都更快（更严格地说：它们只是在某些事情上更快，而且很难实现这一点）
  • 而且您还需要为延迟和数据副本付费
  • 一般来说，GPU 的 RAM 也较少
• 线性规划和整数规划通过高度复杂的算法来解决
  • 理论表明：单纯形算法（GLPK 使用）很难并行化（哎哟；对 GPU 不利）
  • 理论表明：IPM 方法（也可以解决 LP）很容易并行化
  • 目前还没有已知的具有竞争力的基于 GPU 的单纯形求解器！（实际上我不知道 GPU 的任何 Simplex 实现，并且可以想到很多原因）
  • GPU 有一些专门的基于 IPM 的方法，不与 pyomo 接口；并且没有基于 GPU 的商业求解器
    • IPM 对于整数编程非常不利
• GLPK，你的解算器，除了被 python 调用之外，与 python 无关（所以整个 python-cuda 链接我们没用）