c++ - opencl和opencv的协方差矩阵

Question

我最近开始学习 opencl 以及如何为 OpenCV 创建内核。我仍在做基础工作。

我需要实现一个 opencl 内核来计算协方差矩阵。此函数没有任何已由 opencv 基金会实现的 opencl 内核。

从技术上讲，我想要处理的是:

cv::RNG tutu(std::time(nullptr)); // This is only for check the improvement of the method over the executions

int sz = tutu.uniform(1,20);

cv::Mat_<float> a1(1,sz);
cv::Mat_<float> a2(a1.size());
cv::Mat_<float> c2;

for(std::size_t i=0;i<sz;i++)
{
    a1(i) = tutu.uniform(0,300);
    a2(i) = tutu.uniform(300,600);
}

cv::Mat_<float> f;

cv::vconcat(a1,a2,f);

// process the Covariance Matrix :

cv::gemm(one,f,-0.5f,f,1.f,c2,0);
cv::gemm(c2.t(),c2,1.f,cv::noArray(),0.f,c2);

我发现 OpenCV 的基金会已经为 gemm 和函数转置实现了一个 OpenCL 内核。

所以我试图从一个直接来自 OpenCV 源代码的示例中派生出一个实现。

我是这样写的:

ocl.h :

void CovarMatrix( cv::Mat_<float>& src,cv::Mat_<float>& covar);

ocl.cpp :

    #include <memory>
    #include <fstream>
    #include <sstream>
    #include <iterator>

    #include <opencv2/core.hpp>
    #include <opencv2/core/ocl.hpp>


    namespace test
    {

    namespace ocl
    {

    namespace
    {

    std::unique_ptr<cv::ocl::ProgramSource> cov_src;

    void init_cov()
    {

        std::ifstream stream("../mahalanobis/covarianceMatrix.cl");
        std::ostringstream sstream;

        sstream << stream.rdbuf();

        cv::String norm_file_content = sstream.str();

        stream.close();

        cov_src.reset(new cv::ocl::ProgramSource(norm_file_content));
    }


    }

static bool ocl_gemm( cv::Mat_<float>& matA, cv::Mat_<float>& matB, cv::Mat_<float>& CV_OUT matD)
{

    cv::Mat_<float> tmp;
    cv::Mat_<float> tmp2;

    cv::Size sizeA = matA.size(), sizeB = matB.size();

    cv::Size sizeD(sizeB.width, sizeA.height);

    const cv::ocl::Device & dev = cv::ocl::Device::getDefault();
    int max_wg_size = (int)dev.maxWorkGroupSize();
    int block_size = (max_wg_size / 32 < 32) ? (max_wg_size / 16 < 16) ? (max_wg_size / 8 < 8) ? 1 : 8 : 16 : 32;

//    matD.create(sizeD);
//    tmp2.create(matD.t().size());

    tmp.create(sizeD);
    tmp2.create(tmp.t().size());
    matD.create(sizeD.width,sizeD.width);

    cv::UMat A = matA.getUMat(cv::ACCESS_READ,cv::USAGE_ALLOCATE_DEVICE_MEMORY);
    cv::UMat B = matB.getUMat(cv::ACCESS_READ,cv::USAGE_ALLOCATE_DEVICE_MEMORY);
//    cv::UMat D = matD.getUMat(cv::ACCESS_WRITE,cv::USAGE_ALLOCATE_DEVICE_MEMORY);
    cv::UMat D = tmp.getUMat(cv::ACCESS_WRITE,cv::USAGE_ALLOCATE_DEVICE_MEMORY);
//    cv::UMat E(sizeD.width,sizeD.height,CV_32FC1,cv::Scalar::all(0.),cv::USAGE_ALLOCATE_DEVICE_MEMORY);

    cv::UMat E = tmp2.getUMat(cv::ACCESS_WRITE,cv::USAGE_ALLOCATE_DEVICE_MEMORY);
    cv::UMat F = matD.getUMat(cv::ACCESS_WRITE,cv::USAGE_ALLOCATE_DEVICE_MEMORY);

    matB.copyTo(D);



    int vectorWidths[] = { 4, 4, 2, 2, 1, 4, 1, -1 };
    int kercn = cv::ocl::checkOptimalVectorWidth(vectorWidths, B, D);

    cv::String opts = cv::format(
                "-I /home/administrateur/lib_dir/opencv_dir/opencv_304/opencv/modules/core/src/opencl/ -D T=float -D T1=float -D WT=%s -D cn=1 -D kercn=%d -D LOCAL_SIZE=%d %s -D HAVE_C -D TILE_DIM=32 -D BLOCK_ROWS=8 -D rowsPerWI=1  ",

                           cv::ocl::typeToStr(CV_32FC(kercn)),
                           kercn, block_size,
                          (sizeA.width % block_size !=0) ? "-D NO_MULT" : "");

    cv::ocl::Kernel k("covarianceMatrix", *cov_src, opts);


    k.args(cv::ocl::KernelArg::ReadOnlyNoSize(A),
           cv::ocl::KernelArg::ReadOnlyNoSize(B, 1, kercn),
           cv::ocl::KernelArg::ReadWrite(D, 1, kercn),
           sizeA.width,
           cv::ocl::KernelArg::ReadWrite(E,kercn,1),
           cv::ocl::KernelArg::ReadWrite(F,kercn,kercn)
           );

    std::size_t globalsize[2] = { static_cast<std::size_t>(sizeD.width / kercn), static_cast<std::size_t>(sizeD.height)};
    std::size_t localsize[2] = { static_cast<std::size_t>(block_size), static_cast<std::size_t>(block_size)};
    return k.run(2, globalsize, block_size!=1 ? localsize : nullptr, false);

}





void CovarMatrix( cv::Mat_<float>& src,cv::Mat_<float>& covar)
{

    if(!covar.empty())
        covar.release();


    cv::Mat_<float> o = cv::Mat_<float>::ones(src.rows,src.rows);  

    if(!cov_src)
        init_cov();

    ocl_gemm(o,src,covar);


}

协方差矩阵.cl:

#include "gemm.cl"
#include "transpose.cl"



__kernel void covarianceMatrix
(
                   __global const uchar * A_ptr, int A_step, int A_offset,
                   __global const uchar * B_ptr, int B_step, int B_offset,
                   __global uchar * D_ptr, int D_step, int D_offset, int D_rows, int D_cols,
                   int n,
                   __global uchar * E_ptr, int E_step, int E_offset, int E_rows, int E_cols,
                   __global uchar * F_ptr, int F_step, int F_offset, int F_rows, int F_cols
                   )

{


//    cv::gemm(src2,src1,-0.5,src1,1.f,src2);
//    cv::gemm(src2.t(),src2,1.f,cv::noArray(),0.f,dest);



    gemm(A_ptr,A_step,A_offset,
         B_ptr,B_step,B_offset,
         D_ptr,D_step,D_offset,D_rows,D_cols,
         n,-0.5f,1.f);

    transpose(D_ptr,D_step,D_offset,D_rows,D_cols*sizeof(float),
              E_ptr,E_step,E_offset);


    gemm(E_ptr,E_step,E_offset,
         D_ptr,D_step,D_offset,
         F_ptr,F_step,F_offset,F_rows,F_cols,
         n,1.f,0.f);


}

如果矩阵的大小小于 6 是完美的 :)。否则……不是真的。可以用这段代码检查:

cv::RNG tutu(std::time(nullptr));

int sz = tutu.uniform(1,20);

cv::Mat_<float> a1(1,sz);
cv::Mat_<float> a2(a1.size());

for(std::size_t i=0;i<sz;i++)
{
    a1(i) = tutu.uniform(0,300);
    a2(i) = tutu.uniform(300,600);
}

cv::Mat_<float> f;

cv::vconcat(a1,a2,f);

cv::Mat_<float> c1;
cv::Mat_<float> c2;

    cv::Mat_<float> mean;
// reference
    cv::calcCovarMatrix(f,c1,mean,cv::COVAR_ROWS | cv::COVAR_NORMAL,CV_32F);
// check
test::ocl::CovarMatrix(f,c2);

std::size_t cnt(0.f);

for(auto it = c1.begin(),it2 = c2.begin();it != c1.end();it++,it2++)
    if(*it == *it2)
        cnt++;

std::cout<<"check "<<cnt<<" "<<c1.total()<<std::endl;

我还是 OpenCL 的新手，我很想知道我做错了什么。

是否有人已经实现了 OpenCL 内核来使用 OpenCV 处理协方差矩阵？

提前感谢您的帮助。

Answer 1

我辞职写这段代码:

void ocl_CovarMatrix(cv::Mat_<float>& src,cv::Mat_<float>& covar)
{

    cv::UMat usrc = src.getUMat(cv::ACCESS_READ,cv::USAGE_ALLOCATE_DEVICE_MEMORY);
    cv::UMat ones = cv::UMat::ones(usrc.rows,usrc.rows,usrc.type());
    cv::UMat utmp;

    double beta = 1.;
    double alpha = -1. / static_cast<double>(usrc.rows);

    cv::gemm(ones,usrc,alpha,usrc,beta,utmp);
    cv::gemm(utmp.t(),utmp,beta,cv::noArray(),0.,utmp);

    utmp.copyTo(covar);

    ones.release();
    utmp.release();
    usrc.release();
}

我怀疑每次调用一个函数时 GPU 内存都会更新，这会使该代码变慢，而不是如果它是在一个内核中编写的。但它的工作效率很高。

如果有人有想法，我仍然对另一种解决方案感兴趣。