# 3.14。共享 CUDA 內存
> 原文: [http://numba.pydata.org/numba-doc/latest/cuda/ipc.html](http://numba.pydata.org/numba-doc/latest/cuda/ipc.html)
## 3.14.1。流程共享
警告
此功能僅限于 Linux。
### 3.14.1.1。將設備陣列導出到另一個進程
可以使用 CUDA IPC API 在同一臺機器中與另一個進程共享設備陣列。為此,請使用設備陣列上的`.get_ipc_handle()`方法獲取`IpcArrayHandle`對象,該對象可以轉移到另一個進程。
```py
DeviceNDArray.get_ipc_handle()
```
返回 _IpcArrayHandle_ 對象,可以安全地序列化并轉移到另一個進程以共享本地分配。
注意:此功能僅適用于 Linux。
```py
class numba.cuda.cudadrv.devicearray.IpcArrayHandle(ipc_handle, array_desc)
```
IPC 陣列句柄,可以序列化并傳輸到同一臺機器中的另一個進程,以共享 GPU 分配。
在目標進程中,使用 _.open()_ 方法創建一個新的 _DeviceNDArray_ 對象,該對象共享原始進程的分配。要釋放資源,請調用 _.close()_ 方法。之后,目標無法再使用共享數組對象。 (注意:資源的基礎弱點現在已經死了。)
該對象實現了自動調用 _.open()_ 和 _.close()_ 方法的上下文管理器接口:
```py
with the_ipc_array_handle as ipc_array:
# use ipc_array here as a normal gpu array object
some_code(ipc_array)
# ipc_array is dead at this point
```
```py
close()
```
關閉數組的 IPC 句柄。
```py
open()
```
返回一個新的 _DeviceNDArray_ ,它與原始進程共享分配。不得在原始流程中使用。
### 3.14.1.2。從另一個進程 導入 IPC 內存
以下函數用于從另一個進程打開 IPC 句柄作為設備數組。
```py
cuda.open_ipc_array(shape, dtype, strides=None, offset=0)
```
打開 IPC _ 句柄 _( _CUipcMemHandle_ )的上下文管理器,表示為字節序列(例如 _ 字節 _,int 的元組)并將其表示為給定 _ 形狀 _,_ 的陣列跨越 _ 和 _dtype_ 。可以省略 _ 步幅 _。在這種情況下,假設它是 1D C 連續陣列。
產生一個設備陣列。
當上下文管理器退出時,IPC 句柄自動關閉。
- 1. 用戶手冊
- 1.1。 Numba 的約 5 分鐘指南
- 1.2。概述
- 1.3。安裝
- 1.4。使用@jit 編譯 Python 代碼
- 1.5。使用@generated_jit 進行靈活的專業化
- 1.6。創建 Numpy 通用函數
- 1.7。用@jitclass 編譯 python 類
- 1.8。使用@cfunc 創建 C 回調
- 1.9。提前編譯代碼
- 1.10。使用@jit 自動并行化
- 1.11。使用@stencil裝飾器
- 1.12。從 JIT 代碼 中回調到 Python 解釋器
- 1.13。性能提示
- 1.14。線程層
- 1.15。故障排除和提示
- 1.16。常見問題
- 1.17。示例
- 1.18。會談和教程
- 2. 參考手冊
- 2.1。類型和簽名
- 2.2。即時編譯
- 2.3。提前編譯
- 2.4。公用事業
- 2.5。環境變量
- 2.6。支持的 Python 功能
- 2.7。支持的 NumPy 功能
- 2.8。與 Python 語義的偏差
- 2.9。浮點陷阱
- 2.10。 Python 2.7 壽命終止計劃
- 3. 用于 CUDA GPU 的 Numba
- 3.1。概述
- 3.2。編寫 CUDA 內核
- 3.3。內存管理
- 3.4。編寫設備功能
- 3.5。 CUDA Python 中支持的 Python 功能
- 3.6。支持的原子操作
- 3.7。隨機數生成
- 3.8。設備管理
- 3.10。示例
- 3.11。使用 CUDA 模擬器 調試 CUDA Python
- 3.12。 GPU 減少
- 3.13。 CUDA Ufuncs 和廣義 Ufuncs
- 3.14。共享 CUDA 內存
- 3.15。 CUDA 陣列接口
- 3.16。 CUDA 常見問題
- 4. CUDA Python 參考
- 4.1。 CUDA 主機 API
- 4.2。 CUDA 內核 API
- 4.3。內存管理
- 5. 用于 AMD ROC GPU 的 Numba
- 5.1。概述
- 5.2。編寫 HSA 內核
- 5.3。內存管理
- 5.4。編寫設備功能
- 5.5。支持的原子操作
- 5.6。代理商
- 5.7。 ROC Ufuncs 和廣義 Ufuncs
- 5.8。示例
- 6. 擴展 Numba
- 6.1。高級擴展 API
- 6.2。低級擴展 API
- 6.3。示例:間隔類型
- 7. 開發者手冊
- 7.1。貢獻給 Numba
- 7.2。 Numba 建筑
- 7.3。多態調度
- 7.4。關于發電機的注意事項
- 7.5。關于 Numba Runtime 的注意事項
- 7.6。使用 Numba Rewrite Pass 獲得樂趣和優化
- 7.7。實時變量分析
- 7.8。上市
- 7.9。模板注釋
- 7.10。關于自定義管道的注意事項
- 7.11。環境對象
- 7.12。哈希 的注意事項
- 7.13。 Numba 項目路線圖
- 8. Numba 增強建議
- 9. 術語表