выяснить, сколько блоков и потоков для ядра CUDA, и как их использовать

Question

Я пытался выяснить, как сделать то, что, как я думал, было бы простым ядром, чтобы получить среднее значение в 2-мерной матрице, но у меня возникли некоторые проблемы с наведением моего мыслительного процесса на это.

Согласно моему выводу deviceQuery, мой GPU имеет 16MP, 32cores / mp, максимальное количество блоков составляет 1024x1024x64, а максимальное число потоков / блок = 1024.

Итак, я работаю над обработкой некоторых больших изображений.Возможно 5000px x 3500px или что-то в этом роде.Одно из моих ядер принимает среднее значение некоторых значений по всем пикселям изображения.

В существующем коде изображения хранятся в виде двумерного массива [rows] [cols].Таким образом, ядро ​​в C выглядит так, как вы и ожидаете, с циклом над строками и циклом над столбцами, с вычислением в середине.

Итак, как настроить часть вычисления измерения дляэтот код в CUDA?Я посмотрел на код сокращения в SDK, но это для одноразмерного массива.В нем нет упоминания о том, как настроить количество блоков и потоков для случая, когда у вас есть что-то 2D.

Я думаю, что на самом деле мне нужно было бы настроить его так, и именно здеськак кто-то, кто вмешивается и помогает:

num_threads=1024;
blocksX = num_cols/sqrt(num_threads);
blocksY = num_rows/sqrt(num_threads);
num_blocks = (num_rows*num_cols)/(blocksX*blocksY);

dim3 dimBlock(blocksX, blocksY, 1);
dim3 dimGrid(num_blocks, 1, 1);

Имеет ли это смысл для установки?

А затем в ядре, чтобы работать с определенной строкой или столбцом, я 'Я должен использовать

rowidx = (blockIdx.x * blockDim.x) + threadId.x colidx = (blockIdx.y * blockDim.y) + threadId.y

По крайней мере, я думаюэто будет работать для получения строки и столбца.

Как мне тогда получить доступ к этой конкретной строке r и столбцу c в ядре?В руководстве по программированию cuda я нашел следующий код:

// Host code int width = 64, height = 64;
float* devPtr; size_t pitch;
cudaMallocPitch(&devPtr, &pitch, width * sizeof(float), height);
MyKernel<<<100, 512>>>(devPtr, pitch, width, height);
// Device code __global__ void MyKernel(float* devPtr, size_t pitch, int width, int height)
{
for (int r = 0; r < height; ++r)
{
float* row = (float*)((char*)devPtr + r * pitch);
for (int c = 0; c < width; ++c)
{
float element = row[c];
}
}
}

, который похож на то, как вы используете malloc в C для объявления 2D-массива, но в нем нет упоминания о доступе к этому массиву в вашемсобственное ядро.Я предполагаю, что в своем коде я буду использовать этот вызов cudaMallocPitch, а затем выполнить memcpy для передачи моих данных в 2D-массив на устройстве?

Любые советы приветствуются!Спасибо!

Answer 1

Недавно я решил этот вопрос следующим образом.

// Grid and block size
const dim3 blockSize(16,16,1);
const dim3 gridSize(numRows, numCols, 1); 
// kernel call
rgba_to_greyscale<<<gridSize, blockSize>>>(d_rgbaImage, d_greyImage, numRows, numCols

размер сетки = номер блока
размер блока = потоков за блок

Вот соответствующее ядро ​​

__global__ void rgba_to_greyscale(const uchar4* const rgbaImage,
                       unsigned char* const greyImage,
                       int numRows, int numCols)
{ 
    int idx = blockIdx.x + blockIdx.y * numRows;
    uchar4 pixel     = rgbaImage[idx]; 
    float  intensity = 0.299f * pixel.x + 0.587f * pixel.y + 0.114f * pixel.z;  
    greyImage[idx]   = static_cast<unsigned char>(intensity);   
}

Удачи !!!

Answer 2

Для таких приложений, как это, вам необходимо хранить информацию о двухмерной матрице в виде одного массива в памяти.Таким образом, если у вас есть матрица M x N, вы можете сохранить ее в одном массиве длиной M * N.

Итак, если вы хотите сохранить матрицу 2x2

(1 , 2)
(3 , 4)

создайте один массив и инициализируйте элементы в строке i и столбце j с помощью следующего.

int rows=2;
int cols=2;
float* matrix = malloc(sizeof(float)*rows*cols);
matrix[i*cols+j]=yourValue;
//element 0,0
matrix[0*cols+0]=1.0;
//element 0,1
matrix[0*cols+1]=2.0;
//element 1,0
matrix[1*cols+0]=3.0;
//element 1,1
matrix[1*cols+1]=4.0;

Этот способ получения двумерного массива и сохранения его в виде единого непрерывного фрагмента памяти называется хранением.данные в ряду-мажорном порядке.См. Статью Википедии здесь .После того, как вы измените формат ваших данных на этот тип формата, вы можете использовать сокращение, которое было показано в SDK, и ваш код должен быть намного быстрее, так как вы сможете делать больше слитых операций чтения в коде ядра GPU.

Answer 3

Ниже приведен короткий фрагмент с простым ядром из моего собственного кода.Все указатели с плавающей точкой - это указатели устройств.Надеюсь, что это полезно.

Определяет и помогает:

#define BLOCK_SIZE 16

int iDivUp(int a, int b){
    return (a % b != 0) ? (a / b + 1) : (a / b);
}

Расчет размера блока:

dim3 dimBlock(BLOCK_SIZE, BLOCK_SIZE);
dim3 dimGridProj(iDivUp(width,BLOCK_SIZE), iDivUp(height,BLOCK_SIZE));

Вызов хоста:

calc_residual<<<dimGridProj, dimBlock>>>(d_image1, d_proj1, d_raynorm1, d_resid1, width, height);

Ядро:

__global__ void calc_residual(float *d_imagep, float *d_projp, float *d_raysump, float *d_residualp, int width, int height)
{
    int iy = blockDim.y * blockIdx.y + threadIdx.y;
if (iy >= height) {
    return;
}
int ix = blockDim.x * blockIdx.x + threadIdx.x;
if (ix >= width) {
    return;
}
int idx = iy * width + ix;
float raysumv = d_raysump[idx];
if (raysumv > 0.001) {
    d_residualp[idx] = (d_projp[idx]-d_imagep[idx])/raysumv;
} 
else{
    d_residualp[idx] = 0;
}
}