Python使用Numba加速SHA256哈希及AMD显卡GPU适配问题

报错判断验证 #

你的两个报错推测完全正确：

• 第一个报错The use of yield in a closure is unsupported：strings函数中join内的生成器表达式本质是基于yield的闭包结构，Numba的nopython模式确实不支持该语法，你注释掉该函数的@jit装饰器的规避方案是合理的。
• 第二个报错Unknown attribute 'encode' of type unicode_type：Numba nopython模式未内置Python原生字符串的encode()方法支持，同时也不支持直接调用hashlib库的接口，你的判断无误。

现有代码的其他潜在问题 #

你当前给hasha函数加的普通@jit装饰器完全无法起到加速效果，反而会引入额外开销：Numba无法编译Python原生的hashlib调用，会退化为object模式运行，性能甚至低于不加装饰器的原生代码。如果要保留CPU版本作为对照，直接删除hasha函数的@jit装饰器即可。
另外普通@jit默认只会生成CPU端的编译代码，哪怕没有报错也不会自动运行在GPU上。

适配AMD RX580的可行解决方案 #

由于RX580不支持CUDA，可选以下两种可落地的方案：

方案1：ROCm + Numba HSA后端 #

RX580属于GCN 3架构，符合ROCm的老版本支持范围：

• 首先安装适配GCN 3架构的ROCm 5.0及以下版本，避免新版本移除老架构支持
• 安装对应ROCm版本的Numba，使用Numba的HSA后端编写GPU内核
• 自行实现Numba可编译的SHA256算法逻辑，不要调用hashlib，提前把CPU生成的字符串转成字节数组后批量传入GPU并行计算

方案2：PyOpenCL适配（门槛更低） #

你之前适配PyOpenCL失败大概率是环境配置问题，可按以下步骤调整：

• 先安装AMD官方Adrenalin显卡驱动，自带OpenCL运行时，无需安装完整ROCm栈
• 安装对应Python版本的pyopencl预编译包，避免源码编译出错
• 运行import pyopencl as cl; print(cl.get_platforms())确认能识别到AMD平台即可
• 直接复用开源的OpenCL SHA256内核代码，Python侧将所有待哈希的字符串统一编码为字节数组后拼成连续内存块，传入GPU批量并行计算，最后回读哈希结果即可
  该方案不需要手动实现复杂的哈希算法，且性能提升明显，适合用于CPU/GPU速度对比的场景。

注：字符串生成逻辑不需要移植到GPU，CPU生成10万条120位字符串的耗时远低于哈希计算耗时，仅需把哈希计算环节卸载到GPU即可。

内容的提问来源于stack exchange，提问作者snakezz