第一节

hello world

1.引入太极库

import taichi as ti
ti.init(arch=gpu) #入口,支持cpu,gpu,cuda,opengl等

2.变量规则

• 有i32、i64、f32、f64等，默认32位
• 在taichi作用域中取第一次定义变量类型，如

#在taichi scope中
a=1
a=2.7
#a实际等于2

• ti.cast(a,ti.i32)转变变量类型
  3.常用变量
• ti.Vector([1.0,2.0,3.0])
• ti.Matrix([1.6,1.4],[1.3,1.2])
• 使用[]寻址
• ti.field全局n维元素集合,标量访问需加[None]

heat_field = ti.field(dtype=ti.32, shape =(256,256))
#0维全局变量
a=ti.field(dtyoe=ti.f32,shape=())
a[None]=1.5

3.Kernels
在任何函数定义上方加@ti.kernel，表示下方的函数会以taichi高性能程序编译。
kernel只能在python scope（python域）中调用，即不能出现

@ti.kernel
def foo():
	print("foo")
	bar()
@ti.kernel
def bar():
	print("bar")

这种情况
kernel比传统function快很多，主要原因是最外层for会被并行化，而最外层for内部的for是正常串行。
并行化for不能break!!!（可看作每次for单独执行互不影响）
使用+=或ti.atomic_add(total[None],x[i])会被原子锁保护，而拆开则不会被保护，可能出现for循环中两个分支同时写入的情况

N=10
x=ti.Vector.field(2,dtype=ti.i32,shape=(N,N))#field为N*N矩阵
@ti.kernel
def foo():
	for i,j in x:
		x[i,j]=ti.Vector([i,j])

foo()
#for i,j遍历矩阵，但该方法只能在kernel最外层循环使用

kernel最多支持八个参数，且必须是type-hinted，只支持传标量参数,pass by value（传值，不改变外部变量）

@ti,kernel
def my_kernel(x:ti.i32,y:ti.f32):
	print(x+y)

返回值必须是taichi类型

@ti.kernel
def my_kernel()->ti.i32:
	return 233.666
#返回233

4.func
@ti.func
只能被ti.kernel调用

@ti.kernel
def a():
	b()
@ti.func
def b():
	c()#func可嵌套调用，但不能递归，func会内联实现，仍是传值
@ti.func
def c():
	...

func和kernel都是静态的
如果在python scope中定义a=32，在kernel或func中调用一次以后，再在python scope中修改，再使用kernel或func，里面的a仍是修改前的值，因为其不是全局变量，若想改变，请使用ti.field
5.其他
ti有很多计算函数（计算核17:13)
*乘法是逐位相乘，矩阵、向量乘法要用@
5.gui