- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想并行化 CUDA C 中的一个函数,该函数将对 vector 元素和不大于 k 的元素之和相等的所有 vector 进行计数。例如,如果 vector 元素的数量 n 为 5,sum=10 且 k=3,则满足此条件的 vector 数量为 101。我已经在 CUDA C 中编写了此函数,但问题是当 block 和线程大于 1。我知道问题出在 for
周期中,我应该更改它,但我不知道从哪里开始。当我使用等于 1 的 block 和线程调用该函数时,该函数正在以经典方式工作,一切都很好,但在这种情况下,该函数不是并行化的。
该程序的源代码为:
//function that count number of vectors
__device__ void count(int *vector, int *total, int n, int s)
{
int i,sum=0;
for(i=blockIdx.x*blockDim.x+threadIdx.x;i<n;i+=blockDim.x*gridDim.x)
{
sum+=vector[i];
__syncthreads();
}
if(sum==s)
{
total[0]=total[0]+1;
}
}
//main function
__global__ void computeVectors(int *vector, int n, int kk, int s, int *total)
{
int k=0;
int j,i,next;
while(1)
{
//this is the problem, in for cycle
for(j=blockIdx.x*blockDim.x+threadIdx.x; j<=kk; j+=blockDim.x*gridDim.x)
{
vector[k]=j;
count(vector, total, n, s);
__syncthreads();
}
for(i=blockIdx.x*blockDim.x+threadIdx.x; i<n; i+=blockDim.x*gridDim.x)
{
if(vector[i]<kk)
break;
}
next=i;
vector[next]++;
for(i=blockIdx.x*blockDim.x+threadIdx.x; i<sledno; i+=blockDim.x*gridDim.x)
{
vector[i]=0;
__syncthreads();
}
k=0;
if(next>=n)
break;
}
}
int main()
{
cudaError_t err = cudaSuccess;
int n,k,sum;
int counter=0;
printf("Enter the length of vector n=");
scanf("%d",&n);
printf("Enter the max value of vector elements k=");
scanf("%d",&k);
printf("Enter the sum of vector elements sum=");
scanf("%d",&sum);
//initial vector with length n
int *vec_h, *vec_d;
size_t sizevec=n*sizeof(int);
vec_h=(int *)malloc(sizevec);
cudaMalloc((void **) &vec_d, sizevec);
for(counter=0; counter<n; counter++)
{
vec_h[counter]=0;
}
cudaMemcpy(vec_d, vec_h, sizevec, cudaMemcpyHostToDevice);
int *total_h, *total_d;
size_t size=1*sizeof(int);
total_h=(int *)malloc(size);
cudaMalloc((void **) &total_d, size);
total_h[0]=0;
cudaMemcpy(total_d, total_h, size, cudaMemcpyHostToDevice);
//calling the main function
computeVectors<<<1, 1>>>(vec_d, n, k, sum, total_d);
cudaThreadSynchronize();
err = cudaGetLastError();
if (err != cudaSuccess)
{
fprintf(stderr, "Error: %s!\n", cudaGetErrorString(err));
exit(EXIT_FAILURE);
}
cudaMemcpy(total_h, total_d, size, cudaMemcpyDeviceToHost);
printf("Number of vectors that satisfy condition is %d\n", total_h[0]);
free(vec_h);
cudaFree(vec_d);
free(total_h);
cudaFree(total_d);
return 0;
}
最佳答案
这是一个示例暴力程序,用于枚举所有可能的 vector ,然后测试每个 vector 的总和以查看其是否与所需的总和匹配。
n
= vector 长度(以“数字”为单位)无符号
数量表示k
=最大“数字”值+ 1k
^n
给出k
^n
)/grid_size程序:
#include <stdio.h>
#include <thrust/host_vector.h>
#include <sys/time.h>
#include <time.h>
#define MAX_N 12
#define nTPB 256
#define GRIDSIZE (32*nTPB)
#define cudaCheckErrors(msg) \
do { \
cudaError_t __err = cudaGetLastError(); \
if (__err != cudaSuccess) { \
fprintf(stderr, "Fatal error: %s (%s at %s:%d)\n", \
msg, cudaGetErrorString(__err), \
__FILE__, __LINE__); \
fprintf(stderr, "*** FAILED - ABORTING\n"); \
exit(1); \
} \
} while (0)
// thrust code is to quickly prototype a CPU based
// method for verification
int increment(thrust::host_vector<unsigned> &data, unsigned max){
int pos = 0;
int done = 0;
int finished = 0;
while(!done){
data[pos]++;
if (data[pos] >= max) {
data[pos] = 0;
pos++;
if (pos >= data.size()){
done = 1;
finished = 1;
}
}
else done = 1;
}
return finished;
}
__constant__ unsigned long powers[MAX_N];
__device__ unsigned vec_sum(unsigned *vector, int size){
unsigned sum = 0;
for (int i=0; i<size; i++) sum += vector[(i*nTPB)];
return sum;
}
__device__ void create_vector(unsigned long index, unsigned *vector, int size){
unsigned long residual = index;
unsigned pos = size;
while ((residual > 0) && (pos > 0)){
unsigned long temp = residual/powers[pos-1];
vector[(pos-1)*nTPB] = temp;
residual -= temp*powers[pos-1];
pos--;
}
while (pos>0) {
vector[(pos-1)*nTPB] = 0;
pos--;
}
}
__device__ void increment_vector(unsigned *vector, int size, int k){
int pos = 0;
int done = 0;
while(!done){
vector[(pos*nTPB)]++;
if (vector[pos*nTPB] >= k) {
vector[pos*nTPB] = 0;
pos++;
if (pos >= size){
done = 1;
}
}
else done = 1;
}
}
__global__ void find_vector_match(unsigned long long int *count, int k, int n, unsigned sum){
__shared__ unsigned vecs[MAX_N *nTPB];
unsigned *vec = &(vecs[threadIdx.x]);
unsigned long idx = threadIdx.x+blockDim.x*blockIdx.x;
if (idx < (k*powers[n-1])){
unsigned long vec_count = 0;
unsigned long vecs_per_thread = (k*powers[n-1])/(gridDim.x*blockDim.x);
vecs_per_thread++;
unsigned long vec_num = idx*vecs_per_thread;
create_vector((vec_num), vec, n);
while ((vec_count < vecs_per_thread) && (vec_num < (k*powers[n-1]))){
if (vec_sum(vec, n) == sum) atomicAdd(count, 1UL);
increment_vector(vec, n, k);
vec_count++;
vec_num++;
}
}
}
int main(){
// calculate on CPU first for verification
struct timeval t1, t2, t3;
int n, k, sum;
printf("Enter the length of vector (maximum: %d) n=", MAX_N);
scanf("%d",&n);
printf("Enter the max value of vector elements k=");
scanf("%d",&k);
printf("Enter the sum of vector elements sum=");
scanf("%d",&sum);
int count = 0;
gettimeofday(&t1, NULL);
k++;
thrust::host_vector<unsigned> test(n);
thrust::fill(test.begin(), test.end(), 0);
int finished = 0;
do{
if (thrust::reduce(test.begin(), test.end()) == sum) count++;
finished = increment(test, k);
}
while (!finished);
gettimeofday(&t2, NULL);
printf("CPU count = %d, in %d seconds\n", count, t2.tv_sec - t1.tv_sec);
unsigned long h_powers[MAX_N];
h_powers[0] = 1;
if (n < MAX_N)
for (int i = 1; i<n; i++) h_powers[i] = h_powers[i-1]*k;
cudaMemcpyToSymbol(powers, h_powers, MAX_N*sizeof(unsigned long));
cudaCheckErrors("cudaMemcpyToSymbolfail");
unsigned long long int *h_count, *d_count;
h_count = (unsigned long long int *)malloc(sizeof(unsigned long long int));
cudaMalloc((void **)&d_count, sizeof(unsigned long long int));
cudaCheckErrors("cudaMalloc fail");
*h_count = 0;
cudaMemcpy(d_count, h_count, sizeof(unsigned long long int), cudaMemcpyHostToDevice);
cudaCheckErrors("cudaMemcpy H2D fail");
find_vector_match<<<(GRIDSIZE + nTPB -1)/nTPB, nTPB>>>(d_count, k, n, sum);
cudaMemcpy(h_count, d_count, sizeof(unsigned long long int), cudaMemcpyDeviceToHost);
cudaCheckErrors("cudaMemcpy D2H fail");
gettimeofday(&t3, NULL);
printf("GPU count = %d, in %d seconds\n", *h_count, t3.tv_sec - t2.tv_sec);
return 0;
}
编译:
$ nvcc -O3 -arch=sm_20 -o t260 t260.cu
示例输出:
$ ./t260
Enter the length of vector (maximum: 12) n=2
Enter the max value of vector elements k=3
Enter the sum of vector elements sum=4
CPU count = 3, in 0 seconds
GPU count = 3, in 0 seconds
$ ./t260
Enter the length of vector (maximum: 12) n=5
Enter the max value of vector elements k=3
Enter the sum of vector elements sum=10
CPU count = 101, in 0 seconds
GPU count = 101, in 0 seconds
$ ./t260
Enter the length of vector (maximum: 12) n=9
Enter the max value of vector elements k=9
Enter the sum of vector elements sum=20
CPU count = 2714319, in 12 seconds
GPU count = 2714319, in 1 seconds
$ ./t260
Enter the length of vector (maximum: 12) n=10
Enter the max value of vector elements k=9
Enter the sum of vector elements sum=20
CPU count = 9091270, in 123 seconds
GPU count = 9091270, in 4 seconds
因此,对于大型问题,简单的暴力 GPU 代码似乎比简单的暴力单线程 CPU 代码快 30 倍左右。 (...在我的特定机器设置上:CPU = Xeon X5560,GPU = Quadro5000,CentOS 5.5,CUDA 5.0)
关于c - 并行化函数,它将计算所有 vector 的总和等于 vector 元素和不大于 k 的元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19456042/
有没有办法同时运行 2 个不同的代码块。我一直在研究 R 中的并行包,它们似乎都基于在循环中运行相同的函数。我正在寻找一种同时运行不同函数的方法(循环的 1 次迭代)。例如,我想在某个数据对象上创建一
无论如何增加 Parallel.For 启动后的循环次数?示例如下: var start = 0; var end = 5; Parallel.For(start, end, i => { C
我是 Golang 的新手,正在尝试了解并发和并行。我阅读了下面提到的关于并发和并行的文章。我执行了相同的程序。但没有得到相同的(混合字母和字符)输出。首先获取所有字母,然后获取字符。似乎并发不工作,
我正在寻找同时迭代 R 中两个或多个字符向量/列表的方法,例如。有没有办法做这样的事情: foo <- c('a','c','d') bar <- c('aa','cc','dd') for(i in
我对 Raku 很陌生,我对函数式方法有疑问,尤其是 reduce。 我最初有这样的方法: sub standardab{ my $mittel = mittel(@_); my $foo =
我最近花了很多时间来学习实时音频处理的细节,我发现的大多数库/工具都是c / c++代码或脚本/图形语言的形式,并在其中编译了c / c++代码。引擎盖。 使用基于回调的API,与GUI或App中的其
我正在使用 JMeter 进行图像负载测试。我有一个图像名称数组并遍历该数组,我通过 HTTP 请求获取所有图像。 -> loop_over_image - for loop controller
我整个晚上都在困惑这个问题...... makeflags = ['--prefix=/usr','--libdir=/usr/lib'] rootdir='/tmp/project' ps = se
我正在尝试提高计算图像平均值的方法的性能。 为此,我使用了两个 For 语句来迭代所有图像,因此我尝试使用一个 Parallel For 来改进它,但结果并不相同。 我做错了吗?或者是什么导致了差异?
假设您有一个并行 for 循环实现,例如ConcRT parallel_for,将所有工作放在一个 for 循环体内总是最好的吗? 举个例子: for(size_t i = 0; i < size()
我想并行运行一部分代码。目前我正在使用 Parallel.For 如何让10、20或40个线程同时运行 我当前的代码是: Parallel.For(1, total, (ii) =>
我使用 PAY API 进行了 PayPal 自适应并行支付,其中无论用户(买家)购买什么,都假设用户购买了总计 100 美元的商品。在我的自适应并行支付中,有 2 个接收方:Receiver1 和
我正在考虑让玩家加入游戏的高效算法。由于会有大量玩家,因此算法应该是异步的(即可扩展到集群中任意数量的机器)。有细节:想象有一个无向图(每个节点都是一个玩家)。玩家之间的每条边意味着玩家可以参加同一场
我有一个全局变量 volatile i = 0; 和两个线程。每个都执行以下操作: i++; System.out.print(i); 我收到以下组合。 12、21 和 22。 我理解为什么我没有得到
我有以下称为 pgain 的方法,它调用我试图并行化的方法 dist: /***************************************************************
我有一个 ruby 脚本读取一个巨大的表(约 2000 万行),进行一些处理并将其提供给 Solr 用于索引目的。这一直是我们流程中的一大瓶颈。我打算在这里加快速度,我想实现某种并行性。我对 Ru
我正在研究 Golang 并遇到一个问题,我已经研究了几天,我似乎无法理解 go routines 的概念以及它们的使用方式。 基本上我是在尝试生成数百万条随机记录。我有生成随机数据的函数,并将创建一
我希望 for 循环使用 go 例程并行。我尝试使用 channel ,但没有用。我的主要问题是,我想在继续之前等待所有迭代完成。这就是为什么在它不起作用之前简单地编写 go 的原因。我尝试使用 ch
我正在使用 import Control.Concurrent.ParallelIO.Global main = parallel_ (map processI [1..(sdNumber runPa
我正在尝试通过 makePSOCKcluster 连接到另一台计算机: library(parallel) cl ... doTryCatch -> recvData -> makeSOCKm
我是一名优秀的程序员,十分优秀!