引入gpu.js：GPU加速JavaScript
做不可能的事情很有趣。
S 0，这里的问题：你是一个厨师，你已被要求对你最好的朋友的婴儿沐浴准备奶昔。 由于厨师的收入通常很高，因此您是圆柱形自动变压器（ CAT ）的骄傲的所有者，您可以用它来制作奶昔等。
选择1：您可以自己制作奶昔，这需要2分钟的时间 。
选项2：无论请求如何，您都可以使用CAT ，这大约需要20分钟 。
您选择： 选项1 （不错的选择）
您在厨房里的速度给您留下深刻的印象，鲸鱼皇后要求您在儿子的婚礼上做一道八道菜的晚餐，包括开胃菜，甜点和奶昔。
如果您现在选择自己一个人去做，不仅不仅无法完成工作，而且一生都将被禁止捕鲸和王国。 但是，如果您对Math不太了解，可以选择CAT，在20分钟内完成工作（对！？！），并获得英国最豪华酒店的所有通行证。
机器学习是八道菜的晚餐，是在鲸鱼王子与200,000位客人的盛宴中举办的。 您想自己做饭（CPU）还是使用服务？ （ 提示： gpu.js是该服务。）
在机器学习中， GPU可以帮助您将时间缩短为原始时间的1/100。 甚至更多。 （继续！结果将显示出来。）
介绍gpu.js！
如果您不知所措，并且想直接进入括号中 ，请随时跳到下一部分。
gpu.js是一个GPGPU（图形处理单元上的通用编程）库，可让您将大量计算移交给GPU，以实现超快速的操作和输出。 它当前在浏览器和node.js上运行，其中正在浏览器中使用WebGl API，并对node.js进行单线程操作。 OpenCL正在发展中。（????）
您可能会问：“但是为什么呢？ 英特尔的i7或i9不够快吗？ 他们似乎对我来说很好。 我不需要这个。”
在陷入困境之前，请查看结果：
快22.97倍！？！
（ 规格 ：MacBook Pro Retina ，2015年）
是的是的！ 这是一台功能强大的机器，因此，这是带有集成显卡（ Intel HD 3000 ）且没有专用GPU的系统上的结果：
总而言之，将gpu.js分开的gpu.js在于，它不会以特定方式链接您使用该库。 它能达到标语所说的：它使您可以加速庞大的JavaScript。
现在让我们有一些代码：我们将执行矩阵乘法，并测试CPU与GPU的性能。 矩阵大小： 512 X 512
码
你是对的。 它托管在GitHub上： gpu.js-demo
可以从我们的网站（ gpu.rocks ）或github（ gpu.js ）下载源文件gpu.min.js和gpu-core.min.js 。
注意：我假设您已经初始化了一个原型HTML / JS / CSS项目（ index.html ， index.js ， style.css ）
步骤1.导入gpu lib文件
在index.html中，导入文件，一切顺利：
步骤2. CPU上的矩阵乘法
若要将两个矩阵相乘，我们需要确保第一个矩阵中的列数等于第二个矩阵中的行数。
矩阵A： 512 X 512 （m X n）
矩阵B： 512 X 512 （n X r）
结果： 512 X 512 （m X r）
这是在CPU上运行的通用矩阵乘法算法：
下一步就是魔术的开始。 （WebGL魔术????）
步骤3.设定GPU
lib文件将导出名为GPU的全局函数，可用于创建新的gpu实例。 一个GPU
const gpu = new GPU({mode: 'webgl'}); 可以向构造函数发送一些选项，可以在GitHub和自动生成的JSDocs上找到其完整列表。
mode选项指定函数将在何处运行。 共有三个选项：
- “ gpu”
- “ webgl”
- “中央处理器”
gpu和webgl暂时是别名。 我们的目标是将OpenCL集成到v2 ，然后gpu仅意味着通过服务器上的OpenCL API使用gpu。
当前，webgl和gpu都使用WebGL API将工作推迟到GPU。
步骤4. GPU上的矩阵乘法
我们刚刚初始化的gpu变量具有几个附加的方法，所有这些方法都有不同的用例。
我们将使用createKernel方法，该方法本质上会创建一个可从JS调用的“内核”（实际上，它的抽象术语可能是function ）。 在幕后，您的代码将使用AST和基于jison的解析器编译为GLSL着色器。 这样可以确保内核中编写的代码将在GPU上执行。
您将JS函数作为参数传递给内核，并可以访问线程尺寸（作为一种助记符，您可以将线程尺寸视为我们在CPU模式下使用的for循环的长度。）
.setDimensions设置循环的尺寸。 （有关完整参考，请参见API页面。）
在大多数GPU编写的软件中，这是一个固有的问题： Transfer Penalty 。 GPU就像自己的计算机一样。 我们从CPU发送命令到的黑匣子。 我们可以将其传输到其中并从中读取数据，但是这一切都会带来损失。 如果您的案例涉及在GPU上执行几次数学运算，并且每次操作的净罚款不断增加，则转移的总体代价尤其会成为瓶颈。
但是，您可以将值保留在GPU上。 它们作为纹理存在于GPU上。 （您可以将Textures视为某种数据容器，但是对于GPU而言。）通过将outputToTexture标志设置为true ，可以确保不招致传输损失，从而获得了重要的速度outputToTexture 。
.setOutputToTexture是真正的 .setOutputToTexture发生的地方！
就像它们一样重要，A和B是我们将在下一步中创建的矩阵。
步骤5.初始化矩阵
该代码取自您在我们的网站上看到的演示。 如果您不明白，那没问题。 它的作用是：它向JavaScript数组添加512 * 512个元素。 （ 1D ），然后将它们分为512个部分，这意味着最后我们有了一个大小为512 * 512的2D数组。 （每个数组元素都有子元素。）
全做完了！ 让我们加油吧。
第6步。运行它并进行基准测试
为简单起见，我们将使用Web性能API对此进行基准测试，但您也可以使用benchmark.js 。 （我们的网站使用它。）
首先，我们通过调用上述函数来生成矩阵，然后针对CPU和GPU都运行matMult方法。
AM！ 在浏览器中打开index.html并亲自查看。 这是我得到的：（即将支持Safari ！）
铬：
Firefox（最新消息， Chrome？ ）：
而这仅仅是512×512。如果你改变这个数字到1024，你会发现，GPU是一个功能强大的野兽，可以比CPU多快很多运行代码。
我们想让社区知道JavaScript被赋予了火箭的天赋。 will您将如何处理？
所有代码都在GitHub上，团队将很高兴拥有更多的用户和贡献者。 gpu.js —来一些顿悟。 ????
From: https://hackernoon.com/introducing-gpu-js-gpu-accelerated-javascript-ba11a6069327