CUDA 中的 scipy.interpolate.griddata 等效项答案

【问题标题】：scipy.interpolate.griddata equivalent in CUDACUDA 中的 scipy.interpolate.griddata 等效项
【发布时间】：2012-12-10 12:11:29
【问题描述】：

我正在尝试在 python 中执行拟合值迭代 (FVI)（涉及使用分段线性插值逼近 5 维函数）。

scipy.interpolate.griddata 非常适合这个。但是，我需要调用插值程序几千次（因为 FVI 是基于 MC 的算法）。

所以基本上，已知函数的点集是静态的（并且很大 - 比如说 32k），但是我需要近似的点（它们是原始集的小扰动）非常大（比如 32k x 5000 )。

是否有 scipy.interpolate.griddata 已移植到 CUDA 的实现？或者，有没有办法以某种方式加快计算速度？

谢谢。

【问题讨论】：

【解决方案1】：

对于分段线性插值，文档说 scipy.interpolate.griddata 使用 scipy.interpolate.LinearNDInterpolator 的方法，而 qhull 又使用 qhull 对输入点进行 Delaunay 曲面细分，然后执行标准重心插值，其中每个点您必须确定每个点在哪个超四面体内部，然后使用其barycentric coordinates 作为超四面体节点值的插值权重。

曲面细分可能难以并行化，但您可以使用 scipy.spatial.Delaunay 访问 CPU 版本。其他两个步骤很容易并行化，尽管我不知道有任何免费可用的实现。

如果您的已知功能点位于规则网格上，here 中描述的方法在 CUDA 中特别容易实现，并且我已经使用过它的实际实现，尽管没有公开可用。

所以恐怕你将不得不自己完成大部分工作......

【讨论】：

嗨，是的 - 我最终还是自己完成了大部分工作。我查看了 scipy.spatial.Delauny 中 find_simplex 的实现，发现基本思想可以很容易地并行化到足够多的点。所以基本上我运行了 2 个循环 - 一个用于查找（并存储）每个 MC 样本的单纯形，另一个用于查找存储的单纯形并计算其重心坐标以进行插值。它受视频内存的限制，但速度非常快。
你有上传过这个吗？我现在正在寻找一个 cuda 版本的 griddata。