В этом примере показано, как переключиться между различными генераторами случайных чисел, которые поддерживаются на графическом процессоре.
Случайные числа являются ключевой ролью многих алгоритмы оценки или симуляция. Как правило, эти числа сгенерированы с помощью функций rand
randi
, и randn
. Parallel Computing Toolbox™ обеспечивает три соответствующих функции для генерации случайных чисел непосредственно на графическом процессоре: rand
randi
, и randn
. Эти функции могут использовать один из нескольких различных алгоритмов генерации номера.
d = gpuDevice; fprintf("This example is run on a " + d.Name + " GPU.")
This example is run on a GeForce GTX 1080 GPU.
Функциональный parallel.gpu.RandStream.list
предоставляет краткое описание доступных генераторов.
parallel.gpu.RandStream.list
The following random number generator algorithms are available: MRG32K3A: Combined multiple recursive generator (supports parallel streams) Philox4x32_10: Philox 4x32 generator with 10 rounds (supports parallel streams) Threefry4x64_20: Threefry 4x64 generator with 20 rounds (supports parallel streams)
Каждый из этих генераторов был спроектирован с параллельным использованием в памяти, обеспечив несколько независимых потоков случайных чисел. Однако у каждого из них есть некоторые преимущества и недостатки:
CombRecursive (также известный как MRG32k3a
): Этот генератор был введен в 1 999 и широко тестировался и использовался.
Philox (также известный как Philox4x32_10): Новый генератор введен в 2 011, специально предназначенный для высокой производительности в очень параллельных системах, таких как графические процессоры.
Threefry (также известный как Threefry4x64_20): Новый генератор ввел в 2 011 на основе существующего криптографического алгоритма ThreeFish, который широко тестируется и используется. Этот генератор был спроектирован, чтобы дать хорошую эффективность в очень параллельных системах, таких как графические процессоры. Это - генератор по умолчанию для вычислений графического процессора.
Эти три генератора, доступные на графическом процессоре, также доступны для использования на центральном процессоре в MATLAB®. Генераторы MATLAB имеют то же имя и приводят к идентичным результатам, учитывая то же начальное состояние. Это полезно, когда это необходимо, чтобы произвести те же наборы случайных чисел и на графическом процессоре и на центральном процессоре.
Все эти генераторы передают стандартный тестовый набор TestU01 [1].
Функциональный gpurng
может сохранить и сбросить состояние генератора для графического процессора. Можно также использовать gpurng
переключаться между различными генераторами, которые обеспечиваются. Прежде, чем изменить генератор, сохраните существующее состояние так, чтобы это могло быть восстановлено в конце этих тестов.
oldState = gpurng;
gpurng(0, "Philox4x32-10");
disp(gpurng)
Type: 'philox' Seed: 0 State: [7×1 uint32]
Равномерно распределенные случайные числа сгенерированы на графическом процессоре с помощью любого rand
, или randi
. В условиях эффективности эти две функции ведут себя очень похоже и только rand
измеряется здесь. gputimeit
используется, чтобы измерить уровень, чтобы гарантировать точные результаты синхронизации, автоматически вызывание функции много раз и правильно контакт с синхронизацией и другими проблемами синхронизации.
Чтобы сравнить эффективность различных генераторов, используйте rand
сгенерировать большое количество случайных чисел на графическом процессоре с помощью каждого генератора. В следующем коде, rand
генерирует случайные числа и называются 100 раз для каждого генератора. Каждый запуск синхронизирован с помощью gputimeit
. Генерация больших выборок случайных чисел может занять несколько минут. Результаты показывают на сравнение производительности этих трех генераторов случайных чисел, доступных на графическом процессоре.
generators = ["Philox","Threefry","CombRecursive"]; gputimesU = nan(100,3); for g=1:numel(generators) % Set the generator gpurng(0, generators{g}); % Perform calculation 100 times, timing the generator for rep=1:100 gputimesU(rep,g) = gputimeit(@() rand(10000,1000,"gpuArray")); end end
% Plot the results figure hold on histogram(gputimesU(:,1),"BinWidth",1e-4); histogram(gputimesU(:,2),"BinWidth",1e-4); histogram(gputimesU(:,3),"BinWidth",1e-4) legend(generators) xlabel("Time to generate 10^7 random numbers (sec)") ylabel("Frequency") title("Generating samples in U(0,1) using " + d.Name) hold off
Более новые генераторы Threefry и Philox имеют подобную эффективность. Оба быстрее, чем CombRecursive.
Много симуляций используют возмущения, произведенные от нормального распределения. Подобно универсальному тесту используйте randn
сравнить эффективность трех генераторов при генерации нормально распределенных случайных чисел. Генерация больших выборок случайных чисел может занять несколько минут.
generators = ["Philox","Threefry","CombRecursive"]; gputimesN = nan(100,3); for g=1:numel(generators) % Set the generator gpurng(0, generators{g}); % Perform calculation 100 times, timing the generator for rep=1:100 gputimesN(rep,g) = gputimeit(@() randn(10000,1000,"gpuArray")); end end
% Plot the results figure hold on histogram(gputimesN(:,1),"BinWidth",1e-4); histogram(gputimesN(:,2),"BinWidth",1e-4) histogram(gputimesN(:,3),"BinWidth",1e-4) legend(generators) xlabel("Time to generate 10^7 random numbers (sec)") ylabel("Frequency") title("Generating samples in N(0,1) using " + d.Name) hold off
Еще раз результаты показывают, что генераторы Threefry и Philox выполняют так же и оба особенно быстрее, чем CombRecursive. Дополнительная работа, требуемая произвести нормально распределенные значения, уменьшает уровень, на котором значения производятся каждым из генераторов.
Перед окончанием восстановите исходное состояние генератора.
gpurng(oldState);
В этом примере сравнены три генератора случайных чисел графического процессора. Точные результаты варьируются в зависимости от вашего графического процессора и вычислительной платформы. Каждый генератор обеспечивает некоторые преимущества (+
) и имеет некоторые протесты (-
).
Threefry
(+
) Быстро
(+
) На основе известного и хорошо протестированного алгоритма Threefish
(-
) Относительно новый в реальном использовании
Philox
(+
) Быстро
(-
) Относительно новый в реальном использовании
CombRecursive
(+
) Длинный послужной список в реальном использовании
(-
) Самый медленный
[1] L'Ecuyer, P. и Р. Симард. "TestU01: библиотека C для эмпирического тестирования генераторов случайных чисел". Транзакции ACM на Mathematical Software. Издание 33, № 4, 2007, статья 22.
gpurng
| parallel.gpu.RandStream