# 3.12。 GPU 减少 > 原文： [http://numba.pydata.org/numba-doc/latest/cuda/reduction.html](http://numba.pydata.org/numba-doc/latest/cuda/reduction.html) 为 CUDA GPU 编写缩减算法可能很棘手。 Numba 提供了一个`@reduce`装饰器，用于将简单的二进制操作转换为简化内核。 ## 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 函数也可以在这里使用： ```py sum_reduce = cuda.reduce(lambda a, b: a + b) ``` ## 3.12.2。减少 `reduce`装饰器创建`Reduce`类的实例。 （目前，`reduce`是`Reduce`的别名，但不保证这种行为。） ```py class numba.cuda.Reduce(functor) ``` ```py __call__(arr, size=None, res=None, init=0, stream=0) ``` 完全减少。 | 参数： | * **arr** - 主机或设备阵列。如果给出了设备数组，则会在原地执行缩减，并覆盖数组中的值。如果给出了主机阵列，则会自动将其复制到设备。 * **size** - 可选整数，指定要减少的`arr`中的元素数。如果未指定此参数，则会减少整个数组。 * **res** - 将减少结果写入的可选设备数组。结果写入此数组的第一个元素。如果指定了此参数，则不会从设备到主机进行减少输出的通信。 * **init** - 还原的可选初始值，其类型必须与`arr.dtype`匹配。 * **流** - 执行还原的可选 CUDA 流。如果未指定流，则使用默认流 0。 | | --- | --- | | 返回： | 如果指定了`res`，则返回`None`。否则，返回减少的结果。 | | --- | --- | ```py __init__(functor) ``` 创建一个使用给定二进制函数减少值的缩减对象。二进制函数编译一次并缓存在此对象中。保持此对象存活将阻止重新编译。 | 参数： | **binop** - 要编译为 CUDA 设备函数的函数，该函数将用作 CUDA 设备上的二进制运算。在内部，它使用`cuda.jit(device=True)`编译。 | | --- | --- |