或边缘系统上的
Posted: Wed Jun 18, 2025 8:38 am
练的 AI 模型和 Jupyter Notebook，可加速任何 GPU 驱动的本地、云端 AI 开发和 HPC 工作负载
Lightning 教程
Github 教程
Numba 或 CUDA：构建模拟世界的两全其美之选
您可能想知道：如果用户可以使用 Numba 或 CUDA 进行编程，那么哪个更好？什么时候使用？WarpDrive v2 中，用户可以在 CUDA C 和 Numba 之间“来回切换”，这是否是一个优势？是否存在用户可能希望使用低级 CUDA C 而不是 Numba 进行编程的情况？或者，由于 Numba 涉及高级编程，所以每个人都会一直使用 Numba？
总的来说，我们会说是的：能够在两者之间来回切换（可以选择使用 CUDA 或 Numba）是一个优势。原因如下：
Numba/Python 的优势：学习速度更快，编码效率更高。与使用低级编程语言 CUDA C 相比，对于某些用户来说，使用 Numba/Python 进行编码应该学习速度更快，效率也更高（Numba/Python 内置强大的功能和简写命令，使常用函数更易于编写）。此外，得益于 Numba 的 JIT 编译器，它在 GPU 上也能快速运行，并具有优 电报筛查 化的运行时性能。
CUDA 的优势：性能。另一方面，如果您真正追求最快的速度，CUDA C 是您的首选，因为它是低级预编译代码，并且只需编译一次。根据我们的实验，对于超大规模模拟，CUDA C 在该领域（MADRL）的速度大约比 Numba 快 1.5 到 3 倍。
因此，如果您正在开发一个复杂的模拟，并尝试不同的模拟设计，那么最好从 Numba 开始。但是，如果您已经从开发和实验阶段进入生产阶段，并且该模拟将会反复使用，请考虑最终转换为 CUDA C，以确保其速度得到优化。
Lightning 教程
Github 教程
Numba 或 CUDA：构建模拟世界的两全其美之选
您可能想知道：如果用户可以使用 Numba 或 CUDA 进行编程，那么哪个更好？什么时候使用？WarpDrive v2 中，用户可以在 CUDA C 和 Numba 之间“来回切换”，这是否是一个优势？是否存在用户可能希望使用低级 CUDA C 而不是 Numba 进行编程的情况？或者，由于 Numba 涉及高级编程，所以每个人都会一直使用 Numba？
总的来说，我们会说是的：能够在两者之间来回切换（可以选择使用 CUDA 或 Numba）是一个优势。原因如下：
Numba/Python 的优势：学习速度更快，编码效率更高。与使用低级编程语言 CUDA C 相比，对于某些用户来说，使用 Numba/Python 进行编码应该学习速度更快，效率也更高（Numba/Python 内置强大的功能和简写命令，使常用函数更易于编写）。此外，得益于 Numba 的 JIT 编译器，它在 GPU 上也能快速运行，并具有优 电报筛查 化的运行时性能。
CUDA 的优势：性能。另一方面，如果您真正追求最快的速度，CUDA C 是您的首选，因为它是低级预编译代码，并且只需编译一次。根据我们的实验，对于超大规模模拟，CUDA C 在该领域（MADRL）的速度大约比 Numba 快 1.5 到 3 倍。
因此，如果您正在开发一个复杂的模拟，并尝试不同的模拟设计，那么最好从 Numba 开始。但是，如果您已经从开发和实验阶段进入生产阶段，并且该模拟将会反复使用，请考虑最终转换为 CUDA C，以确保其速度得到优化。