各位正在关注 Taichi 的小伙伴是否有这样的困惑，Taichi 很适合自己的项目但无从下手，阅读了许多文档却依旧找不到解法，停留在「想用但用不好」的状态？
为了帮助大家更好上手 Taichi，我们准备发起一个代码互助的活动，大家可以提交自己编写的 Taichi 代码，由 Taichi 开发者来帮忙分析解决代码中的问题。整个分析过程会整理成一次面向社区的直播，造福更多遇到类似问题的小伙伴。
活动目的
- 活动的目的是帮助大家减少编写代码的恐惧，同时通过借助社区的力量更快地提高成长。
代码征集时间
即日起至 6/29 下午 18:00
代码要求：
注：对于比较陌生领域的代码我们可能无法提供很好的建议。
参与方式
-
在本帖下方留言「代码互助」+代码的 GitHub 页面（需公开），我们会对提交上来的代码做初步评估，筛选出最符合公开解读的代码。
-
我们将通过论坛留言和私信被选中的代码作者进一步沟通
-
确认直播，并现场解读代码中可优化的部分， 解答大家的疑问
2 个赞
@jasvixban 你好
感谢你的投稿，以下是我们初步的一些意见：
- 多个没有数据依赖的kernel同时运行的问题
这个很遗憾不能实现，可能你得手动用一些 MPI 之类的工具去实现类似的功能
- 如何取出sparse list，拼接成dense list
这个操作由于是一个 runtime 的操作，所以基本上就是你所写的方法去 append ，目前没有更优化的方法
-
get_dense_kernel() 减少编译时间问题
注意到 get_dense_kernel() 是有两个 ti.template() 参数的，这会导致这个 kernel 会重复编译；所以一个方法是把 ti.template() 从参数中去掉。至于 dense_list 的长度不定问题，可能可以通过构建一个足够大的 dense_list 来解决，这样就用空间换取了时间。。
- Vec 条件指令加速
这个目前在 Taichi 中也还没有实现，未来可能会根据情况列入开发计划中；如果有强需求的话欢迎到 Taichi 的 repo 提交 feature request！
关于以上解答如果还有疑问欢迎继续讨论。
非常感谢！不过还有个小问题。第三点， 建议“把 ti.template() 从参数中去掉”，具体指啥？kernel参数必须得指定类型才行啊
抱歉说明有点简略了，原来的意思是直接把 get_dense_kernel() 的参数给去掉；具体来说，在这部分代码中，对于 get_dense_kernel() 来说 sparse_list 和 dense_list 都是可见的
def run_kernel(sparse_list, length):
start_time = time.time()
sparse_kernel(sparse_list, length)
print(f"[Taichi] time for sparse: {(time.time() - start_time): 0.4f} sec")
start_time = time.time()
num_items = length.to_numpy().sum()
dense_list = ti.field(ti.i32)
block = ti.root.dense(ti.i, 1)
values = block.dynamic(ti.j, num_items, chunk_size=4)
values.place(dense_list)
get_dense_kernel() # 直接去访问 sparse_list, dense_list
所以 get_dense_kernel() 可以这样定义:
@ti.kernel
def get_dense_kernel(): # 无参数
for i in range(sparse_list.shape[0]):
for j in range(sparse_list[i].length()):
dense_list[0].append(sparse_list[i, j])
内容请勿报名）