您可以将Wolfram 语言应用到您的项目中。有一个免费的Wolfram 引擎供开发人员使用，您可以通过 Python 的Wolfram 客户端库在 Python中使用这些函数。

概述和指南或CUDALink概述和指南将使您能够在 GPU 上运行代码。但是，指南图像处理功能是内置的，因此最好从那里开始您的项目。CUDALinkOpenCLLinkOpenCLLinkCUDALink

from wolframclient.evaluation import WolframLanguageSession
from wolframclient.language import wl, wlexpr

启动 Wolfram 会话。

wolfSession = WolframLanguageSession()

CUDA 包包含在 Wolfram 引擎中，但必须显式加载。

wolfSession.evaluate(wl.Needs('CUDALink`'))

然后您可以检查引擎是否已找到一个或多个兼容的 GPU 与CUDAQ.

print(wolfSession.evaluate(wl.CUDALink.CUDAQ()))

True

CUDAQ评估时会一次性下载 CUDA 二进制文件。您可以直接在内核中进行第一次调用来跟踪一次性下载，而不是通过 Python 进行第一次调用。在终端中运行并在输入提示符处woframscript评估Needs和函数。CUDAQ

可以返回详细信息CUDAInformation。

print(wolfSession.evaluate(wl.CUDALink.CUDAInformation(1,'Core Count')))

160

获取一些 CUDA 图像函数示例的图像。

imgWolfram=wolfSession.evaluate(
    wl.Rasterize(
        wl.Import('https://i2.wp.com/oemscorp.com/wp-content/uploads/2015/07/wolfram-language-logo.png'),
        'Image'
    )
);

图像可以采用Export受支持的光栅图像格式或矢量图形格式之一进行编辑。

wolfSession.evaluate(
    wl.Export(
        '<path with image filename>', 
        imgWolfram
        )
    )
)

一些示例 CUDA 图像函数包括

• CUDAImageConvolve

  wolfSession.evaluate(
      wl.Export(
          '<path with image filename>', 
          wl.CUDALink.CUDAImageConvolve(imgWolfram,  [[-1,0,1],[-2,0,2],[-1,0,1]])
      )
  )
  

• CUDAErosion

  wolfSession.evaluate(
      wl.Export(
          '<path with image filename>', 
          wl.CUDALink.CUDAErosion(imgWolfram,6)
      )
  )
  

• CUDAOpening

  wolfSession.evaluate(
      wl.Export(
          '<path with image filename>', 
          wl.CUDALink.CUDAOpening(imgWolfram,6)
      )
  )
  

终止 Wolfram 会话。

wolfSession.terminate()

由于您处理了许多图像文件，因此通过使用 Wolfram 引擎直接在wolfram 脚本中进行处理，而不是从 Python 调用引擎，您将获得更好的性能。

希望这可以帮助。