Для вложенных циклов с CUDA - PullRequest
Новая
       34

Для вложенных циклов с CUDA

3 голосов
/ 29 марта 2012

У меня проблема с некоторыми вложенными циклами, которые мне нужно преобразовать из C / C ++ в CUDA.В основном у меня есть 4 для вложенных циклов, которые совместно используют один и тот же массив и выполняют операции сдвига битов. 

#define N 65536

// ----------------------------------------------------------------------------------

int a1,a2,a3,a4, i1,i2,i3,i4;

int Bit4CBitmapLookUp[16] = {0, 1, 3, 3, 7, 7, 7, 7, 15, 15, 15, 15, 15, 15, 15, 15};

int _cBitmapLookupTable[N];

int s = 0;  // index into the cBitmapLookupTable

for (i1 = 0; i1 < 16; i1++)
{
    // first customer
    a1 = Bit4CBitmapLookUp[i1] << 12;

    for (i2 = 0; i2 < 16; i2++)
    {
        // second customer
        a2 = Bit4CBitmapLookUp[i2] << 8;

        for (i3 = 0; i3 < 16; i3++)
        {
            // third customer
            a3 = Bit4CBitmapLookUp[i3] << 4;

            for (i4 = 0;i4 < 16;i4++)
            {
                // fourth customer
                a4 = Bit4CBitmapLookUp[i4];

                // now actually set the sBitmapLookupTable value
                _cBitmapLookupTable[s] = a1 | a2 | a3 | a4;

                s++;

            } // for i4
        } // for i3
    } // for i2
} // for i1

Это код, который я должен преобразовать в CUDA.Я пробовал разные способы, но каждый раз у меня был неправильный вывод.Здесь я публикую свою версию преобразования CUDA (фрагмент из части ядра) 

#define N 16

//----------------------------------------------------------------------------------

// index for the GPU
int i1 = blockDim.x * blockIdx.x + threadIdx.x;
int i2 = blockDim.y * blockIdx.y + threadIdx.y;
int i3 = i1;
int i4 = i2;

__syncthreads();
for(i1 = i2 = 0; i1 < N, i2 < N; i1++, i2++)
{
    // first customer
    a1 = Bit4CBitmapLookUp_device[i1] << 12;

    // second customer
    a2 = Bit4CBitmapLookUp_device[i2] << 8;

    for(i3 = i4 = 0; i3 < N, i4 < N; i3++, i4++){
        // third customer
        a3 = Bit4CBitmapLookUp_device[i3] << 4;

        // fourth customer
        a4 = Bit4CBitmapLookUp_device[i4];

        // now actually set the sBitmapLookupTable value
        _cBitmapLookupTable[s] = a1 | a2 | a3 | a4;
        s++;
    }
}

Я новичок в CUDA и все еще учусь, но на самом деле я не могу найти решение для тех, ктовложенные циклы.Заранее спасибо.

1 Ответ

2 голосов
/ 29 марта 2012

Как уже упоминалось выше, проблема с инициализацией есть. Я бы порекомендовал вам переписать программу следующим образом 

int i1 = blockDim.x * blockIdx.x + threadIdx.x;
int i2 = blockDim.y * blockIdx.y + threadIdx.y;
int i3;
int i4;

while(i1 < N && i2 < N){
  a1 = ..;
  a2 = ..;
  for(i3 = i4 = 0; i3 < N, i4 < N; i3++, i4++){
    // third customer
    a3 = Bit4CBitmapLookUp_device[i3] << 4;

    // fourth customer
    a4 = Bit4CBitmapLookUp_device[i4];

    // now actually set the sBitmapLookupTable value
    _cBitmapLookupTable[s] = a1 | a2 | a3 | a4;
    s ++;
  }
  s += blockDim.x*gridDim.x*blockDim.y*gridDim.y;
  i1 += blockDim.x*gridDim.x;
  i2 += blockDim.y*gridDim.y;
}

Я не проверял это, поэтому я не могу гарантировать, что индексы верны. Я оставлю это тебе.

Немного больше объяснения: в коде выше распараллелены только циклы над i1 и i2. Это предполагает, что N ** 2 достаточно велико по сравнению с количеством ядер, которые у вас есть в вашем GPU. Если это не так. Все четыре цикла должны быть распараллелены, чтобы получить эффективную программу. Тогда подход будет немного другим.

...