我一直在玩Repa和Accelerate --它们都很有趣，但我不知道什么时候该用一个，什么时候该用另一个。它们是一起成长的，竞争对手，还是只是为了解决不同的问题？
f4t66c6m1#
Repa是一个用于高效数组构造和遍历的库，用Haskell编写并在Haskell运行时中运行。Repa依赖于GHC的优化器和线程来提高性能。您可以将任意Haskell代码与Repa混合使用（Repa函数，如map，以Haskell函数作为参数）。Accelerate是一种用于GPU和多核CPU编程的嵌入式语言。Accelerate依赖于其自身的编译器和GPU/CPU并行性来提高性能。使用Accelerate库的一段代码实际上并不执行数组计算。它会生成一个Accelerate程序，该程序由Accelerate自己的 * 运行时编译器 * 处理，以生成实际处理数组数据的代码。然而，在实践中，您应该不会注意到底层的步骤，只需导入库和CPU.run (A.map f xs)-或GPU.run.API，这与Repa类似，在Repa中您将使用computeP来获取值。一个更值得注意的区别是，如果Accelerate函数的参数是标量，则它们将是Exp a类型，或者Acc a（如果它们是集合的话），确保您坚持使用“flat data-parallelism involving only regular, multi-dimensional arrays“。如果你想在Haskell中支持GPU，Accelerate是主要的选择。如果你只需要你的代码在CPU上运行，Repa和Accelerate都是很好的选择。
map
CPU.run (A.map f xs)
GPU.run
computeP
Exp a
Acc a
1条答案
按热度按时间f4t66c6m1#
Repa是一个用于高效数组构造和遍历的库，用Haskell编写并在Haskell运行时中运行。Repa依赖于GHC的优化器和线程来提高性能。您可以将任意Haskell代码与Repa混合使用（Repa函数，如
map，以Haskell函数作为参数）。Accelerate是一种用于GPU和多核CPU编程的嵌入式语言。Accelerate依赖于其自身的编译器和GPU/CPU并行性来提高性能。使用Accelerate库的一段代码实际上并不执行数组计算。它会生成一个Accelerate程序，该程序由Accelerate自己的 * 运行时编译器 * 处理，以生成实际处理数组数据的代码。然而，在实践中，您应该不会注意到底层的步骤，只需导入库和
CPU.run (A.map f xs)-或GPU.run.API，这与Repa类似，在Repa中您将使用computeP来获取值。一个更值得注意的区别是，如果Accelerate函数的参数是标量，则它们将是Exp a类型，或者Acc a（如果它们是集合的话），确保您坚持使用“flat data-parallelism involving only regular, multi-dimensional arrays“。如果你想在Haskell中支持GPU，Accelerate是主要的选择。如果你只需要你的代码在CPU上运行，Repa和Accelerate都是很好的选择。