CUDA 特有类型

CUDA 内置目标弃用通知

Numba 内置的 CUDA 目标已弃用，后续开发已转移到 NVIDIA numba-cuda 包。请参阅 内置 CUDA 目标弃用和维护状态。

注意

本页介绍 CUDA 目标特有的类型。CUDA 目标中也提供了许多其他类型，请参阅 内置类型。

向量类型

CUDA 向量类型 可在核函数中使用。与 CUDA C/C++ 中的向量类型有两个重要区别

首先，Numba CUDA 中向量类型的推荐命名格式为 <base_type>x<N>，其中 base_type 是向量的基本类型，N 是向量中的元素数量。示例包括 int64x3、uint16x4、float32x4 等。对于新的 Numba CUDA 核函数，这是实例化向量类型的推荐方式。

为了方便起见，将现有 CUDA C/C++ 核函数适配到 Python 的用户可以使用与 C/C++ 命名一致的别名。例如，float3 是 float32x3 的别名，long3 是 int32x3 或 int64x3 的别名（取决于平台），等等。

其次，与 CUDA C/C++ 使用工厂函数不同，向量类型是直接使用其构造函数构造的。例如，要构造一个 float32x3

from numba.cuda import float32x3

# In kernel
f3 = float32x3(0.0, -1.0, 1.0)

此外，向量类型可以由向量和基本类型的组合构造，只要组件总数与结果向量类型匹配即可。例如，以下所有构造都是有效的

zero = uint32(0)
u2 = uint32x2(1, 2)
# Construct a 3-component vector with primitive type and a 2-component vector
u3 = uint32x3(zero, u2)
# Construct a 4-component vector with 2 2-component vectors
u4 = uint32x4(u2, u2)

向量类型的第 1、第 2、第 3 和第 4 个分量分别可以通过字段 x、y、z 和 w 访问。在当前版本的 Numba 中，分量在构造后是不可变的；预计在未来版本中将添加对修改向量分量的支持。

v1 = float32x2(1.0, 1.0)
v2 = float32x2(1.0, -1.0)
dotprod = v1.x * v2.x + v1.y * v2.y