Распараллелить циклы, используя OpenCL в Python

Я пытаюсь дать несколько полный ответ.

Прежде всего:

Можно ли настроить этот код для запуска на графическом процессоре с помощью (py) OpenCL?

Скорее всего, да.

Это можно сделать автоматически?

Нет (афайк).

Большинство вопросов, которые я рассказываю о OpenCL, следующие: "Стоит ли переносить этот кусок кода в OpenCL для ускорения?" Вы заявляете, что ваш внешний цикл независим от результатов других прогонов, что делает код в основном параллелизуемым. В простой реализации каждый рабочий элемент OpenCL выполнял бы тот же код с несколько разными входными параметрами. Не учитывая накладные расходы при передаче данных между хостом и устройством, время работы этого подхода будет равняться времени работы самой медленной итерации. В зависимости от итераций в вашем внешнем цикле это может быть огромным увеличением скорости. Пока номера остаются относительно небольшими, вы можете попробовать использовать модуль multiprocessing в python для параллелизации этих итераций на CPU вместо графического процессора.

Портирование на графический процессор обычно имеет смысл только в том случае, если параллельно нужно запустить огромное количество процессов (около 1000 или более). Поэтому в вашем случае, если вы действительно хотите увеличить скорость, посмотрите, можете ли вы распараллелить все вычисления внутри цикла. Например, у вас есть 150 итераций и 2000 точек данных. Если бы вы могли как-то распараллелить эти 2000 точек данных, это могло бы обеспечить гораздо больший прирост скорости, что могло бы оправдать работу по переносу всего кода на OpenCL.

TL; DR: сначала попробуйте распараллелить CPU. Если вы обнаружите необходимость запуска более нескольких 100 процессов одновременно, перейдите на GPU.

Обновление: простой код для распараллеливания по процессору с использованием многопроцессорности (без обратного вызова)

import numpy as np
import time
import multiprocessing as mp

m = 3 # Dimension of datapoints
num_points = 2000 # Number of datapoints
iterMax = 150 # Maximum number of iterations
NMax = 10 # Maximum number of neurons
#%%
np.random.seed(0)
y = np.random.rand(num_points,m) # Generate always the same dataset
sigma_0 = 5 # Initial value of width of the neighborhood function
eta_0 = 1 # Initial value of learning rate
w = list(range(NMax - 1))
wClusters = np.zeros((np.size(y,axis = 0),NMax - 1)) # Clusters for each N

def neuron_run(N):
    w[N] = np.random.uniform(0,1,(N+2,np.size(y,axis=1))) - 0.5 # Initialize weights
    iterCount = 1
    while iterCount < iterMax:
        # Mix up the input patterns
        mixInputs = y[np.random.permutation(np.size(y,axis = 0)),:]
        # Sigma reduction
        sigma = sigma_0 - (sigma_0/(iterMax + 1)) * iterCount
        s2 = 2*sigma**2
        # Learning rate reduction
        eta = eta_0 - (eta_0/(iterMax + 1)) * iterCount
        for selectedInput in mixInputs: # Pick up one pattern
            # Search winning neuron
            aux = np.sum((selectedInput - w[N])**2, axis = -1)
            ii = np.argmin(aux) # Neuron 'ii' is the winner
            jjs = abs(ii - list(range(N+2)))
            dists = np.min(np.vstack([jjs , abs(jjs-(N+2))]), axis = 0)
            # Update weights
            w[N] = w[N] + eta * np.exp((-dists**2)/s2).T[:,np.newaxis] * (selectedInput - w[N])
        print(N+2,iterCount)
        iterCount += 1    
    # Assign each datapoint to its nearest neuron
    for kk in range(np.size(y,axis = 0)):
        aux = np.sum((y[kk,] - w[N])**2,axis=-1)
        ii = np.argmin(aux) # Neuron 'ii' is the winner
        wClusters[kk,N] = ii + 1

t_begin = time.clock() # Start time   
#%%

def apply_async():
    pool = mp.Pool(processes=NMax)
    for N in range(NMax-1):
        pool.apply_async(neuron_run, args = (N,))
    pool.close()
    pool.join()
    print "Multiprocessing done!"

if __name__ == '__main__':
    apply_async()

t_end = time.clock() # End time 
print(t_end - t_begin)