- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
第一次来这里提问。我在我的 CUDA 程序中遇到了一些问题。
我有数百万个四面体,一个点在 (0,0,0),所以我可以使用公式:
获取四面体的体积。
所以,这是代码:
struct Triangle
{
double x1;
double y1;
double z1;
double x2;
double y2;
double z2;
double x3;
double y3;
double z3;
};
和 CUDA 代码:
__global__ void getResult(double *d_volume ,Triangle *d_triangles, Origin *d_point)
{
extern __shared__ Triangle s_data[];
int tid = threadIdx.x;
int i = blockDim.x * blockIdx.x + threadIdx.x;
s_data[tid] = d_triangles[i];
__syncthreads();
d_volume[i] =s_data[tid].x1 * s_data[tid].y2 * s_data[tid].z3 + \
s_data[tid].y1 * s_data[tid].z2 * s_data[tid].x3 + \
s_data[tid].x2 * s_data[tid].y3 * s_data[tid].z1 - \
s_data[tid].x3 * s_data[tid].y2 * s_data[tid].z1 - \
s_data[tid].x2 * s_data[tid].y1 * s_data[tid].z3 - \
s_data[tid].y3 * s_data[tid].z2 * s_data[tid].x1;
}
我从其他函数中得到了数百万个四面体作为数组。
// Host
Triangle *h_triangles = triangles;
double *h_volume;
// Device
Triangle *d_triangles;
double *d_volume;
// define grid and block size
int numThreadsPerBlock = numTriangles;
int numBlocks = numTrianges / 512;
// Shard memory size
int sharedMemSize = numThreadsPerBlock * sizeof(Triangle);
// allocate host and device memory
size_t memSize_triangles = numBlocks * numThreadsPerBlock * sizeof(Triangle);
size_t memSize_volume = numBlocks * numThreadsPerBlock * sizeof(double);
cudaMalloc( (void **) &d_triangles, memSize_triangles );
cudaMalloc( (void **) &d_volume, memSize_volume );
// Copy host array to device array
cudaMemcpy( d_triangles, h_triangles, memSize_triangles, cudaMemcpyHostToDevice );
cudaMemcpy( d_point, h_point, memSize_point, cudaMemcpyHostToDevice );
// launch kernel
dim3 dimGrid(numBlocks);
dim3 dimBlock(numThreadsPerBlock);
getResult<<< dimGrid, dimBlock, sharedMemSize >>>( d_volume, d_triangles);
// block until the device has completed
cudaThreadSynchronize();
// device to host copy
cudaMemcpy( h_volume, d_volume, memSize_volume, cudaMemcpyDeviceToHost );
// free device memory
cudaFree(d_triangles);
cudaFree(d_volume);
// free host memory
free(h_triangles);
free(h_volume);
到目前为止,一切正常。但是我花了比我想象的更多的时间来获得音量。我的设备是 Tesla C2050(515Gflops),比我的 CPU(单核,20.25Gflops)快 20 倍。但只提速10倍左右(不包括设备和主机之间复制内存的时间。)
我想知道如何才能使它比 CPU 代码快 20 倍左右(for 循环以获取音量。)。
谢谢!
PS:也许 cudaMallocPitch() 会帮助我,但三角形不是矩阵,我不能使用 cudaMemcpy2D() 而不是 cudaMemcpy() 来复制内存。谁能帮我解决这个问题?
最佳答案
与 CPU 相比,GPU 上的峰值性能通常更难获得。原因之一是许多内核受带宽限制而不是计算限制。
因为你的内核的计算复杂度是 O(n)。您可能应该使用带宽指标来计算理论峰值性能,如下所示
1024*1024*64 * sizeof(double) * (9 + 1) / (144e9 * 8/9) = 42 ms
#tetrahedron #input #output peak mem bw ECC cost
另一方面,您的内核可以进一步优化。
__syncthreads()
可能会被消除。获得了一个具有大型 L1 缓存设置和最佳 blockDim/gridDim 选择的新内核。它快了 15%。这是代码和配置文件结果。我的设备是 M2090。
#include <stdlib.h>
#include <thrust/transform.h>
#include <thrust/device_vector.h>
#include <thrust/host_vector.h>
#include <iterator>
#include <thrust/inner_product.h>
using namespace thrust::placeholders;
struct Triangle
{
double x1;
double y1;
double z1;
double x2;
double y2;
double z2;
double x3;
double y3;
double z3;
};
__global__ void getResultNoSMem(double *d_volume, Triangle *d_triangles)
{
int i = blockDim.x * blockIdx.x + threadIdx.x;
d_volume[i] = d_triangles[i].x1 * d_triangles[i].y2 * d_triangles[i].z3 +
d_triangles[i].y1 * d_triangles[i].z2 * d_triangles[i].x3 +
d_triangles[i].x2 * d_triangles[i].y3 * d_triangles[i].z1 -
d_triangles[i].x3 * d_triangles[i].y2 * d_triangles[i].z1 -
d_triangles[i].x2 * d_triangles[i].y1 * d_triangles[i].z3 -
d_triangles[i].y3 * d_triangles[i].z2 * d_triangles[i].x1;
}
__global__ void getResult(double *d_volume, Triangle *d_triangles)
{
extern __shared__ Triangle s_data[];
int tid = threadIdx.x;
int i = blockDim.x * blockIdx.x + threadIdx.x;
s_data[tid] = d_triangles[i];
// __syncthreads();
d_volume[i] = s_data[tid].x1 * s_data[tid].y2 * s_data[tid].z3 +
s_data[tid].y1 * s_data[tid].z2 * s_data[tid].x3 +
s_data[tid].x2 * s_data[tid].y3 * s_data[tid].z1 -
s_data[tid].x3 * s_data[tid].y2 * s_data[tid].z1 -
s_data[tid].x2 * s_data[tid].y1 * s_data[tid].z3 -
s_data[tid].y3 * s_data[tid].z2 * s_data[tid].x1;
}
__global__ void getResultOpt(double *d_volume, Triangle *d_triangles, int len)
{
const int gridSize = blockDim.x * gridDim.x;
int i = blockDim.x * blockIdx.x + threadIdx.x;
while (i < len)
{
d_volume[i] = d_triangles[i].x1 * d_triangles[i].y2 * d_triangles[i].z3 +
d_triangles[i].y1 * d_triangles[i].z2 * d_triangles[i].x3 +
d_triangles[i].x2 * d_triangles[i].y3 * d_triangles[i].z1 -
d_triangles[i].x3 * d_triangles[i].y2 * d_triangles[i].z1 -
d_triangles[i].x2 * d_triangles[i].y1 * d_triangles[i].z3 -
d_triangles[i].y3 * d_triangles[i].z2 * d_triangles[i].x1;
i += gridSize;
}
}
int main(void)
{
const int m = 1024 * 1024;
thrust::host_vector<Triangle> data(m);
for (int i = 0; i < m; i++)
{
data[i].x1 = (double) rand() / RAND_MAX;
data[i].y1 = (double) rand() / RAND_MAX;
data[i].z1 = (double) rand() / RAND_MAX;
data[i].x2 = (double) rand() / RAND_MAX;
data[i].y2 = (double) rand() / RAND_MAX;
data[i].z2 = (double) rand() / RAND_MAX;
data[i].x3 = (double) rand() / RAND_MAX;
data[i].y3 = (double) rand() / RAND_MAX;
data[i].z3 = (double) rand() / RAND_MAX;
}
thrust::device_vector<Triangle> triangles = data;
thrust::device_vector<double> volume(m);
thrust::device_vector<double> volumeOpt(m);
Triangle* dTriangles = thrust::raw_pointer_cast(&triangles[0]);
double* dVolume = thrust::raw_pointer_cast(&volume[0]);
double* dVolumeOpt = thrust::raw_pointer_cast(&volumeOpt[0]);
int g;
int b;
int threadUpperLimit = 48 * 1024 / sizeof(Triangle);
//for (b = 32; b <= 1024; b += 32)
{
b = 64;
int gridDim = (m + b - 1) / b;
getResultNoSMem<<<gridDim, b, 0, 0>>>(dVolume, dTriangles);
}
// for (b = 32; b <= threadUpperLimit; b += 32)
{
b = 64;
int gridDim = (m + b - 1) / b;
getResult<<<gridDim, b, b * sizeof(Triangle), 0>>>(dVolume, dTriangles);
}
//for (g = 32; g <= 512; g += 32)
// for (b = 32; b <= 1024; b += 32)
{
b = 64;
g = 64;
getResultOpt<<<g, b, 0, 0>>>(dVolumeOpt, dTriangles, m);
}
//for (g = 32; g <= 512; g += 32)
// for (b = 32; b <= 1024; b += 32)
{
b = 64;
g = 512;
cudaFuncSetCacheConfig(getResultOpt, cudaFuncCachePreferL1);
getResultOpt<<<g, b, 0, 0>>>(dVolumeOpt, dTriangles, m);
}
thrust::device_vector<double> X = volume;
thrust::device_vector<double> Y = volumeOpt;
thrust::transform(X.begin(), X.end(), Y.begin(), X.begin(), _1 - _2);
double result = thrust::inner_product(X.begin(), X.end(), X.begin(), 0.0);
std::cout << "difference: " << result << std::endl;
return 0;
}
关于c++ - CUDA并行计算加速体积计算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18480975/
我想在我的 iPhone 应用程序中加入线性回归。经过一些搜索,我发现 Accelerate Framework 中的 LAPACK 和 BLAS 是正确的库。但是我很难将加速框架添加到我的 XCod
有什么方法可以加速 JS 脚本(我指的是一些复杂的 DOM 操作,比如游戏或动画)? 最佳答案 真的没有办法真正加快速度。您可以压缩它,但不会快很多。 关于Javascript 加速?,我们在Stac
有时,我必须为一个项目重新导入数据,从而将大约 360 万行读入 MySQL 表(目前是 InnoDB,但我实际上并不局限于这个引擎)。 “加载数据文件...”已被证明是最快的解决方案,但它有一个权衡
在尝试计算加速时,我被卡住了。所以给出的问题是: 问题 1 如果程序的 50% 增强了 2 倍,其余 50% 增强了 4 倍,那么由于增强而导致的整体加速是多少? Hints:考虑增强前(未增强)机器
目前我正在处理实时绘图,但可视化非常慢。我想知道你可以做些什么来加速 Matplotlib 中的事情: 后端如何影响性能?是否有后端 实时绘图比其他人更好吗? 我可以降低分辨率以提高 FPS 吗? 如
我有一个小型测试框架。它执行一个循环,执行以下操作: 生成一个小的 Haskell 源文件。 使用 runhaskell 执行此操作.该程序生成各种磁盘文件。 处理刚刚生成的磁盘文件。 这种情况发生了
这是我的网站:Instant-YouTube 如您所见,加载需要很长时间。在 IE8 及以下甚至有时会导致浏览器崩溃。我不确定是什么原因造成的。可能是 Clicksor 广告,但我认为是 swfobj
是否可以加速 SKSpriteNode? 我知道可以使用 node.physicsBody.velocity 轻松设置速度但是设置它的加速度有多难? 最佳答案 从牛顿第二定律倒推运动:F = m.a您
有没有人有加速 FCKEditor 的技术?是否有一些关键的 JavaScript 文件可以缩小或删除? 最佳答案 在最新版本 (3.0.1) 中,FCKEditor 已重命名为 CKEditor .
我有以下 MySQL 查询,需要一天多的时间才能执行: SELECT SN,NUMBER FROM a WHERE SN IN (SELECT LOWER_SN FROM b WHER
我现在正在开发一款使用加速来玩的游戏。我找到了如何让我的元素移动,但不改变它的“原点”,或者更准确地说,改变加速度计算的原点: 事实上,我的图像是移动的,它的中心是这样定义的: imageView.c
我有一个 mysql 表,其中存储有 4 列的成员消息: message_id(主键,自增) sender_id( key ) receiver_id( key ) 消息内容 我做了很多 SELECT
我在 cuda_computation.cu 中有以下代码 #include #include #include #include void checkCUDAError(const char
我正在使用 BeautifulSoup 在 for 循环中解析数千个网站。这是我的代码片段: def parse_decision(link): t1 = time.time() de
我正在使用 OpenCV 2.4 (C++) 在灰度图像上进行寻线。这涉及一些基本的图像处理步骤,如模糊、阈值、Canny 边缘检测器、梯度滤波器或霍夫变换。我必须在数千张图像上应用寻线算法。 考虑到
当我试图连续生成四次相同的报告时,我刚刚分析了我的报告应用程序。第一个用了 1859 毫秒,而后面的只用了 400 到 600 毫秒。对此的解释是什么?我能以某种方式使用它来使我的应用程序更快吗?报告
当我打开 Storyboard文件时,由于其中包含的 VC 数量,打开它需要 1-2 分钟。加快速度的最佳做法是什么?我们应该将一些 VC 移动到不同的 Storyboard文件中吗?我们是否应该使用
我有一个包含多个页面的 UIPageViewController。每个页面都是相同的 View Controller ,但会跟踪页码并显示 PDF 的正确页面。问题是每个 PDF 页面都需要在 cur
这实际上是两个问题,但它们非常相似,为了简单起见,我想将它们放在一起: 首先:给定一个已建立的 Java 项目,除了简单的代码内优化之外,还有哪些不错的方法可以加快它的速度? 其次:在用Java从头写
我有一个包含 1000 个条目的文档,其格式类似于:
我是一名优秀的程序员,十分优秀!