Remarks
이 글은 numba.cuda를 기반으로 작성되었습니다.
numpy에서 seed를 통해 난수를 생성하는 것처럼 cuda도 seed를 입력받아 먼저 periods(random states)를 생성하고 그로부터 직접 하나씩 난수를 뽑습니다.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
from numba import cuda, int32
from numba.cuda.random import create_xoroshiro128p_states
from numba.cuda.random import xoroshiro128p_uniform_float32, xoroshiro128p_uniform_float64
# Parmaeters
N = 2**7
M = 2**23
SEED = 42
# Data
num_overflows = cuda.pinned_array(N, dtype=np.int32)
# 1. Generate random states
rng_states = create_xoroshiro128p_states(N, seed=SEED)
# 2. Define kernel function
@cuda.jit
def F(num_overflows, m, rng_states):
tid = cuda.grid(1)
num_overflows[tid] = 0
for i in range(m):
random = int32(xoroshiro128p_uniform_float32(rng_states, tid))
# random = int32(xoroshiro128p_uniform_float64(rng_states, tid))
if random == 1:
num_overflows[tid] += 1
# 3. Execute kernel function
F[1, N](num_overflows, M, rng_states)
print(sum(num_overflows))
print(num_overflows)
31
[1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 1 0
0 0 1 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 0 1 0 0 2 1 0 1 0 0 0 1 0 0 0 0 0 0 0
0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 1 0 0
1 0 0 0 0 1 0 0 0 0 1 2 0 0 0 0 0]
create_xoroshiro128p_states()는 각 thread 당 $2^{64}$ steps까지는 독립적으로 sampling되는 것을 보장해주는 random states를 반환하는 함수입니다.
난수를 생성할 때 xoroshiro128p_uniform_float32() 를 사용하면 [0.0, 1.0) 범위의 uniform 분포에서 float32 정밀도의 값을 반환하는데 int32 등의 다른 type으로 변환하게 되는 경우 1이 반환되는 경우가 있습니다. 위의 예시에선, $2^{30}$ 번 중에 31번 나타났죠. float32 대신 float64 로 정밀도를 높여 반환시키면 어느정도 해결됩니다. (xoroshiro128p_uniform_float64())
0
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
PREVIOUSEtc