【 在 feng321 的大作中提到: 】
: python可以直接计算大整数乘积，上万位都没问题。我好奇你的代码是如何利用Gpu算的？

这个很简单， 首先，需要一块计算显卡，一般用Nvidia的容易些， 安装好专用驱动和CUDA库，
python端， 选择一种支持显卡计算的python库， 比如numba， 或者cupy之类的
一般安装tenorflow或者pytorch做深度学习计算也都会需要这些步骤。
这里用的numba的cuda
一个生成素数的程序，从1000开始，搜索24000个整数：

from numba import cuda
import numpy as np
import math
from time import time

@cuda.jit
def gpu_prime_gen(a, b, result, n):
    idx = cuda.threadIdx.x + cuda.blockDim.x * cuda.blockIdx.x    
    if idx < n :
        if(b[idx]%2==0):
            result[idx] = 0
        else:
            result[idx] = 3
            while(result[idx]*result[idx] <= a[idx]):
                if((b[idx] % result[idx]) == 0):
                    result[idx] = 0
                    break
                else:
                    result[idx] += 2
            else:
                result[idx] = b[idx]
def main():
    n = 8000
    x = np.arange(1000,1000+n*3).astype(np.int32)
    y = x+1

    start = time()
    x_device = cuda.to_device(x)
    y_device = cuda.to_device(y)
    out_device = cuda.device_array(n*3)

    threads_per_block = 1024
    blocks_per_grid = math.ceil(n*3 / threads_per_block)

    # 使用默认流
    gpu_prime_gen[blocks_per_grid, threads_per_block](x_device, y_device, out_device, n*3)
    gpu_result = out_device.copy_to_host()    
    cuda.synchronize()
    gpu_result = gpu_result[gpu_result>0]
    print("gpu vector gpu_prime_gen time " + str(time() - start)+" got prime "+ str(len(gpu_result)))
    print(gpu_result[:1024].astype(np.int32))

if __name__ == "__main__":
    main()
--
修改:poggy FROM 124.126.0.*
FROM 124.126.0.*