是否有在GPU上运行的功能编程语言

Question

使用传统的顺序还原方法，以下图被简化为：

(+ (+ 1 2) (+ 3 4)) ->
(+ 3 (+ 3 4)) ->
(+ 3 7) ->
10

绘制降低是固有的平行。相反，可以将其减少为：

(+ (+ 1 2) (+ 3 4)) ->
(+ 3 7) ->
10

据我所知，每种功能编程语言都使用第一种方法。我相信这主要是因为在CPU上，计划线程超过了并行减少的好处。但是，最近，我们已经开始使用GPU而不是CPU用于并行应用。如果语言完全在gpu 上运行，这些通信成本将消失。

是否有功能性语言可以利用该想法？

Answer 1

是什么让您在GPU计划上的想法不会超越好处？

实际上，GPU中使用的平行性类型更难安排：它是Simd ParalleleSism，即一批 stream处理器 一次都在一次基本相同的事情，除了每个事情粉碎了不同的数字。因此，您不仅需要安排子任务，还需要将它们保持在同步。对于一般计算，几乎是不可能的。

为特定任务做得很好，并且已嵌入到功能性语言中；查看加速项目。

Answer 2

spoc提供一些从OCAML访问的GPGPU。

Answer 3

在CPU上，调度线程超过平行还原的好处

线程调度在现代OS中非常有效。线程初始化和终止可能是一个问题，但是有很多消除这些成本的技术。

绘制降低是固有的平行

正如其他答案中提到的那样，GPU是非常特殊的设备。仅通过在CUDA上重写即可采用任意算法，并将其更快地制成100倍。说到CUDA，它并不是SIMD（多个数据上的单个指令），而是SIMT（多线程上的单个指令）。这是更复杂的事情，但让我们将其视为一种矢量处理语言。顾名思义， vector 处理器旨在处理密集的向量和矩阵，即简单的线性数据结构。因此，经线内的任何分支都将并行性和性能的效率降低到零。现代体系结构（Fermi ）甚至能够处理一些树木，但这很棘手，而且性能并不是那么闪亮。因此，您根本无法加速任意图形。

GPGPU的功能语言呢？我相信这不是严重的。大多数有价值的CUDA代码都存在于博士学位上几乎没有优化的库中，它的目的是直接朝着绩效进行。功能语言的可读性，声明性，清晰度甚至安全性都不重要。

Answer 4

语言黑曜石是嵌入在Haskell中的域特定语言，该语言针对GPGPU计算。这比您的要求更低，但我认为我无论如何都会提到它。

Answer 5

https://github.com/benjamintrapani/fungpu提供了一种球拍类功能语言，该语言完全在GPU和其他设备上运行，可以用SYCL来定位。运行时会自动以有效利用GPU的方式安排独立子树（对使用不同数据的相同指令进行多次评估）。它仍处于早期阶段，但值得尝试。它已经超过了球拍VM。