# 3.12。 GPU 減少 > 原文： [http://numba.pydata.org/numba-doc/latest/cuda/reduction.html](http://numba.pydata.org/numba-doc/latest/cuda/reduction.html) 為 CUDA GPU 編寫縮減算法可能很棘手。 Numba 提供了一個`@reduce`裝飾器，用于將簡單的二進制操作轉換為簡化內核。 ## 3.12.1。 `@reduce` 例： ```py import numpy from numba import cuda @cuda.reduce def sum_reduce(a, b): return a + b A = (numpy.arange(1234, dtype=numpy.float64)) + 1 expect = A.sum() # numpy sum reduction got = sum_reduce(A) # cuda sum reduction assert expect == got ``` Lambda 函數也可以在這里使用： ```py sum_reduce = cuda.reduce(lambda a, b: a + b) ``` ## 3.12.2。減少 `reduce`裝飾器創建`Reduce`類的實例。 （目前，`reduce`是`Reduce`的別名，但不保證這種行為。） ```py class numba.cuda.Reduce(functor) ``` ```py __call__(arr, size=None, res=None, init=0, stream=0) ``` 完全減少。 | 參數： | * **arr** - 主機或設備陣列。如果給出了設備數組，則會在原地執行縮減，并覆蓋數組中的值。如果給出了主機陣列，則會自動將其復制到設備。 * **size** - 可選整數，指定要減少的`arr`中的元素數。如果未指定此參數，則會減少整個數組。 * **res** - 將減少結果寫入的可選設備數組。結果寫入此數組的第一個元素。如果指定了此參數，則不會從設備到主機進行減少輸出的通信。 * **init** - 還原的可選初始值，其類型必須與`arr.dtype`匹配。 * **流** - 執行還原的可選 CUDA 流。如果未指定流，則使用默認流 0。 | | --- | --- | | 返回： | 如果指定了`res`，則返回`None`。否則，返回減少的結果。 | | --- | --- | ```py __init__(functor) ``` 創建一個使用給定二進制函數減少值的縮減對象。二進制函數編譯一次并緩存在此對象中。保持此對象存活將阻止重新編譯。 | 參數： | **binop** - 要編譯為 CUDA 設備函數的函數，該函數將用作 CUDA 設備上的二進制運算。在內部，它使用`cuda.jit(device=True)`編譯。 | | --- | --- |