CUDA中的scipy.interpolate.griddata等效方法

Question

我正在尝试在Python中执行Fitted Value Iteration（FVI）（涉及使用分段线性插值来逼近一个5维函数）。

scipy.interpolate.griddata对此非常有效。但是，我需要多次调用插值程序（因为FVI是基于MC的算法）。

因此，已知函数的点集是静态的（而且很大 - 比如说32k），但我需要逼近的点（这些点是原始点的小扰动）非常多（比如说32k x 5000）。

有没有将scipy.interpolate.griddata实现移植到CUDA的方法？或者，有没有一种方法可以更快地计算？

谢谢。

- user1726633

Answer 1

对于分段线性插值，文档中提到 scipy.interpolate.griddata 使用 scipy.interpolate.LinearNDInterpolator 的方法，而后者使用 qhull 对输入点进行 Delaunay 三角剖分，然后执行标准的重心插值。对于每个点，您需要确定它在哪个超四面体内，然后使用其重心坐标作为超四面体节点值的插值权重。

三角剖分可能很难并行化，但您可以通过 scipy.spatial.Delaunay 访问 CPU 版本。其他两个步骤很容易并行化，尽管我不知道是否有任何免费可用的实现。

如果您的已知函数点位于规则网格上，则此处描述的方法在CUDA中特别容易实现，我已经使用过它的实际实现，尽管没有公开可用的。

所以我恐怕您将不得不自己完成大部分工作...

- Jaime

---

嗨，是的 - 我最终自己做了大部分工作。我查看了scipy.spatial.Delauny中find_simplex的实现，并发现只要有足够多的点，基本思想就可以很容易地并行化。所以基本上我运行2个循环 - 一个用于找到（并存储）每个MC样本的simplex，另一个用于查找存储的simplex并计算其重心坐标进行插值。它受视频内存限制，但速度非常快。 - user1726633

你有没有在任何地方上传过这个？我现在正在寻找一个cuda版本的griddata。 - TomNorway