你是否曾经尝试过运行复杂的计算，却发现它需要花费很长时间，并且拖慢了你的进程？
有很多方法可以解决这个问题，例如使用 web worker 或后台线程。GPU 减轻了 CPU 的处理负荷，给了 CPU 更多的空间来处理其他进程。同时，web worker 仍然运行在 CPU 上，但是运行在不同的线程上。
在该初学者指南中，我们将演示如何使用GPU.js执行复杂的数学计算并提高 JavaScript 应用的性能。
什么是 GPU.js？
GPU.js 是一个针对 Web 和 Node.js 构建的 JavaScript 加速库，用于在图形处理单元（GPGPU）上进行通用编程，它使你可以将复杂且耗时的计算移交给 GPU 而不是 CPU，以实现更快的计算和操作。还有一个备用选项：在系统上没有 GPU 的情况下，这些功能仍将在常规 JavaScript 引擎上运行。
当你要执行复杂的计算时，实质上是将这种负担转移给系统的 GPU 而不是 CPU，从而增加了处理速度和时间。
高性能计算是使用 GPU.js 的主要优势之一。如果你想在浏览器中进行并行计算，而不了解 WebGL，那么 GPU.js 是一个适合你的库。
为什么要使用 GPU.js
为什么要使用 GPU 执行复杂的计算的原因不胜枚举，有太多的原因无法在一篇文章中探讨。以下是使用 GPU 的一些最值得注意的好处。
- GPU 可用于执行大规模并行 GPGPU 计算。这是需要异步完成的计算类型
- 当系统中没有 GPU 时，它会优雅地退回到 JavaScript
- GPU 当前在浏览器和 Node.js 上运行，非常适合通过大量计算来加速网站
- GPU.js 是在考虑 JavaScript 的情况下构建的，因此这些功能均使用合法的 JavaScript 语法
如果你认为你的处理器可以胜任，你不需要 GPU.js，看看下面这个 GPU 和 CPU 运行计算的结果。
如你所见，GPU 比 CPU 快 22.97 倍。
GPU.js 的工作方式
考虑到这种速度水平，JavaScript 生态系统仿佛得到了一个可以乘坐的火箭。GPU 可以帮助网站更快地加载，特别是必须在首页上执行复杂计算的网站。你不再需要担心使用后台线程和加载器，因为 GPU 运行计算的速度是普通 CPU 的 22.97 倍。
gpu.createKernel 方法创建了一个从 JavaScript 函数移植过来的 GPU 加速内核。
与 GPU 并行运行内核函数会导致更快的计算速度——快 1-15 倍，这取决于你的硬件。
GPU.js 入门
为了展示如何使用 GPU.js 更快地计算复杂的计算，让我们快速启动一个实际的演示。
安装
sudo apt install mesa-common-dev libxi-dev // using Linux
npm
npm install gpu.js --save // OR yarn add gpu.js
在你的 Node 项目中要导入 GPU.js。
import { GPU } from ('gpu.js')
// OR
const { GPU } = require('gpu.js')
const gpu = new GPU();
乘法演示
在下面的示例中，计算是在 GPU 上并行完成的。
首先，生成大量数据。
const getArrayValues = () => {
// 在此处创建2D arrary
const values = [[], []]
// 将值插入第一个数组
for (let y = 0; y < 600; y++){
values[0].push([])
values[1].push([])
// 将值插入第二个数组
for (let x = 0; x < 600; x++){
values\[0\][y].push(Math.random())
values\[1\][y].push(Math.random())
}
}
// 返回填充数组
return values
}
创建内核（运行在 GPU 上的函数的另一个词）。
const gpu = new GPU();
// 使用 `createKernel()` 方法将数组相乘
const multiplyLargeValues = gpu
.createKernel(function(a, b) {
let sum = 0;
for (let i = 0; i < 600; i++) {
sum +=
aaaaaaaaaaaaaaaa\[this.thread.yyyyyyyyyyyyyyyy\][
i
] *
bbbbbbbbbbbbbbbb\[iiiiiiiiiiiiiiii\][this.thread.x];
}
return sum;
})
.setOutput([600, 600]);
使用矩阵作为参数调用内核。
const largeArray = getArrayValues(); const out = multiplyLargeValues( largeArray[0], largeArray[1] );
输出
console.log(out\[y\][x]) // 将元素记录在数组的第x行和第y列 console.log(out\[10\][12]) // 记录输出数组第10行和第12列的元素
运行 GPU 基准测试
你可以按照GitHub上指定的步骤运行基准测试
npm install @gpujs/benchmark
const benchmark = require('@gpujs/benchmark')
const benchmarks = benchmark.benchmark(options);
options 对象包含可以传递给基准的各种配置。
前往 GPU.js 官方网站查看完整的计算基准，这将帮助你了解使用 GPU.js 进行复杂计算可以获得多少速度。
结束
在本教程中，我们详细探讨了 GPU.js，分析了它的工作原理，并演示了如何进行并行计算。我们还演示了如何在你的 Node.js 应用中设置 GPU.js。
以上就是如何使用gpu.js改善JavaScript的性能的详细内容，更多关于改善JavaScript性能的资料请关注其它相关文章！
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com