欢迎来到 PyOpenCL 中文文档

PyOpenCL 让你可以以Pythonic风格,简单地使用OpenCL 的并行计算接口(parallel computation API).它具有如下的特点:

与对象生命周期(ifetime of objects)绑定的对象清理(Object cleanup). 在C++中这个术语(idiom)也叫做 RAII(中文直译为”资源获取即初始化”,具体来说是在构造函数中申请资源，析构函数中释放资源).这样有利于写正确代码,避免代码出现泄漏或者崩溃.
完备性(Completeness). PyOpenCL 为开发人员提供了全部的 OpenCL API 支持. 所有的get_info() 查询(query)以及所有的CL调用(calls)都是可用的(accessible).
自动错误检查.所有的错误都会自动翻译成 Python 异常(exceptions).
速度. PyOpenCL 的底层是用 C++ 写的, 所以速度非常快.
有帮助的文档. 也就是你现在在读的这个. ;).
自由的授权协议(Liberal license). PyOpenCL 在 MIT 协议下开源发布,可以自由用于商业用途/学术用途或者私人用途(free for commercial, academic, 和 private use).

指南(Tutorials)

Gaston Hillar 在Dr. Dobb 的Journal上写了一份 PyOpenCL 简单指南很适合入门认识,这份文档目前正在询问原作者是否可以翻译,如果能翻译也会翻译一份过来.
Simon McIntosh-Smith 以及 Tom Deakin合作的课程H 和 s-on OpenCL中包含了课程讲义和练习(有答案参考) (这一课程不仅讲 PyOpenCL, 也讲了 OpenCL 的 C 和 C++ 语言的 API).
PASI的 PyOpenCL 课程 : 1 2 3 4 (YouTube, 2011)
DTU GPULab 和 Simula也有 PyOpenCL 的课程 (2011): Lecture 1 Lecture 2 Problem set 1 Problem set 2
Ian Johnson 也写了一份PyOpenCL tutorial.

Jon Roose 的 pyclblas (代码地址) 提供了 clBLAS 形式的 BLAS, 被用在了 PyOpenCL 的代码中.(译者注:BLAS,是 Basic Linear Algebra Subprograms 的缩写,是一个基础线性代数库.)

另外还有两个早期的封装(earlier wrappers),作者分别是 Eric Hunsberger 以及 Lars Ericson.
Cedric Nugteren 提供了对 CLBlast, 一个OpenCL BLAS 库的封装(wrappers): PyCLBlast.
Gregor Thalhammer 的 gpyfft 是一个 OpenCL FFT 的 Python 封装, 基于 AMD 的 clFFT.(译者注: FFT 是 Fast Fourier Transform 的缩写,快速傅里叶变换的意思.).
Bogdan Opanchuk 的 reikna 提供了很多基于 GPU 的算法 (快速傅里叶变换,随机数生成,矩阵乘法),这些算法是设计用于 pyopencl.array.Array 对象.
Troels Henriksen, Ken Friis Larsen, 和 Cosmin Oancea 的 Futhark 编程语言提供了在对 pyopencl.array.Array 实例(instance)的数据进行缩减和扫描, 以编写网络并行程序( nested-parallel programs)的良好方法.
Robbert Harms 和 Alard Roebroeck 的 MOT 提供了各种基于 GPU 的非线性优化算法(non-linear optimization algorithms) 和 MCMC 采样方法(sampling routines) 来进行并行优化 (parallel optimization) 和多重采样 (sampling of multiple problems).

如果你觉得有某些软件应该添加到这个列表里面,可以到GitHub 上的 PyOpenCL 项目上告知开发者,或者直接提交补丁就更好了.

要注意这份文档并不会解释 OpenCL 的编程和技术细节,这部分内容请参考Khronos 官方网站的 OpenCL 文档

PyOpenCL 也有自己的官方网站, 你可以在官网来查找更新,新版本,文档,以及获取支持.