GPU版本的邏輯相對複雜一些，講講GPU的邏輯：
進行column計算，需要從硬碟讀取11層layer的資料，並整合成column排布。GPU版本，一批批的進行處理，將一部分column讀取排序後，透過channel送給GPU處理（Column Hash以及構造Merkle樹）。程式碼邏輯大體上就是兩個執行緒，一個讀取layer的資料，column排序，另外一個GPU處理。每次batch的節點個數預設是400000，也就是135M左右。在column計算完成後，GPU構造Merkle樹。
2. Replica計算
Replica是最後一層layer的資料和原始資料編碼之後的結果。每次Encoding一部分Replica，透過channel送給GPU（構造Merkle樹）。每次batch的節點個數預設是700000，也就是22M左右。注意，batch的是Encoding的結果。
Merkle樹的構造都是採用merkletree庫。這個庫實現通用的Merkle樹的結構和計算。通用的Merkle樹，指的是Merkle並不只是通常我們理解的二叉樹，而是分成3層：top，sub和base。
如上圖的示例，top是1叉，sub是3叉，base是4叉。在Precommit2計算中，tree_c和tree_r_last都是8叉樹：
type Tree = storage_proofs::merkle::OctMerkleTree<DefaultTreeHasher>;
pub type OctMerkleTree<H> = DiskTree<H, U8, U0, U0>;
4. GPU加速
在Precommit2計算中，Column Hash的計算以及Merkle樹的構造是採用GPU加速。相關的程式碼在neptune程式碼庫中。有意思的是，這部分的程式碼並不是用cuda或者opencl實現的，而是一種新的更高層的語言：Futhark。
5. 相關巨集定義
FIL_PROOFS_USE_GPU_COLUMN_BUILDER - 使用GPU，進行column hash的計算
FIL_PROOFS_MAX_GPU_COLUMN_BATCH_SIZE - 每次計算Column的batch大小，預設400000
FIL_PROOFS_COLUMN_WRITE_BATCH_SIZE - 每次刷Column資料的batch大小，預設262144
FIL_PROOFS_USE_GPU_TREE_BUILDER - 使用GPU，構造Merkle樹
FIL_PROOFS_MAX_GPU_TREE_BATCH_SIZE - 每次Encoding計算的batch大小，預設700000
總結：
Precommit2階段，主要是計算Column Hash以及生成Replica，並構造相應的Merkle樹。其中，Column Hash的計算以及Merkle樹的構造可以採用GPU加速。GPU的實現採用一種新的高層語言：Futhark。
