- 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?
我使用 Quadro NVS 290 在 CUDA-C 中进行图像处理。为了验证 GPU 上的执行时间,我也在主机上进行处理。结果发现,GPU 上的执行时间比 CPU 多,而且输出图像也不同。我在这里使用的算法是对 512x512 Lema 图像进行三度模糊的高斯模糊。此外,此代码不适用于其他图像尺寸和灰度图像。
代码是:
unsigned int width, height;
int mask[3][3] = { 1, 2, 1,
2, 4, 2,
1, 2, 1
};
int h_getPixel(unsigned char *arr, int col, int row, int k)
{
int sum = 0;
int denom = 0;
for (int j = -1; j <= 1; j++)
{
for (int i = -1; i <= 1; i++)
{
if ((row + j) >= 0 && (row + j) < height && (col + i) >= 0 && (col + i) < width)
{
int color = arr[(row + j) * 3 * width + (col + i) * 3 + k];
sum += color * mask[i + 1][j + 1];
denom += mask[i + 1][j + 1];
}
}
}
return sum / denom;
} // End getPixel
void h_blur(unsigned char *arr, unsigned char *result)
{
for (unsigned int row = 0; row < height; row++)
{
for (unsigned int col = 0; col < width; col++)
{
for (int k = 0; k < 3; k++)
{
result[3 * row * width + 3 * col + k] = h_getPixel(arr, col, row, k);
}
}
}
} // End h_blur
__global__ void d_blur(unsigned char *arr, unsigned char *result, int width, int height)
{
int col = blockIdx.x * blockDim.x + threadIdx.x;
int row = blockIdx.y * blockDim.y + threadIdx.y;
if (row < 0 || col < 0)
return;
int mask[3][3] = { 1, 2, 1,
2, 4, 2,
1, 2, 1
};
int sum = 0;
int denom = 0;
for (int k = 0; k < 3; k++)
{
for (int j = -1; j <= 1; j++)
{
for (int i = -1; i <= 1; i++)
{
if ((row + j) >= 0 && (row + j) < height && (col + i) >= 0 && (col + i) < width)
{
int color = arr[(row + j) * 3 * width + (col + i) * 3 + k];
sum += color * mask[i + 1][j + 1];
denom += mask[i + 1][j + 1];
}
}
}
result[3 * row * width + 3 * col + k] = sum / denom;
}
}
int main(int argc, char **argv)
{
/************ Setup work ***********************/
unsigned char *d_resultPixels;
unsigned char *h_resultPixels;
unsigned char *h_devicePixels;
unsigned char *h_pixels = NULL;
unsigned char *d_pixels = NULL;
char *srcPath = .......; // input image
char *h_resultPath = ......; // host output image
char *d_resultPath = ......; // device output image
FILE *fp_input;
FILE *fp_output;
FILE *fp_d_output;
unsigned char *inputFileData;
unsigned char *output_buffer;
unsigned char *d_output_buffer;
int nBlurDegree;
inputFileData = (unsigned char *)malloc(sizeof(unsigned char) * IMAGE_BUFFER_SIZE);
output_buffer = (unsigned char *)inputFileData;
d_output_buffer = (unsigned char *)inputFileData;
/* Read the uncompressed image file */
fp_input = fopen(srcPath, "r");
fread(inputFileData, IMAGE_BUFFER_SIZE, 1, fp_input);
fclose(fp_input);
unsigned int fileSize = (inputFileData[5] << 24) | (inputFileData[4] << 16) | (inputFileData[3] << 8) | inputFileData[2];
unsigned int dataOffset = (inputFileData[13] << 24) | (inputFileData[12] << 16) | (inputFileData[11] << 8) | inputFileData[10];
unsigned int imageSize = (inputFileData[37] << 24) | (inputFileData[36] << 16) | (inputFileData[35] << 8) | inputFileData[34];
width = (inputFileData[21] << 24) | (inputFileData[20] << 16) | (inputFileData[19] << 8) | inputFileData[18];
height = (inputFileData[25] << 24) | (inputFileData[24] << 16) | (inputFileData[23] << 8) | inputFileData[22];
h_pixels = (unsigned char *)malloc(imageSize);
h_resultPixels = (unsigned char *)malloc(imageSize);
inputFileData = inputFileData + dataOffset;
memcpy((void *)h_pixels, (void *)inputFileData, imageSize);
/************************** Start host processing ************************/
clock_t cpuStartTime, cpuEndTime;
cpuStartTime = clock();
// Apply gaussian blur
for (nBlurDegree = 0; nBlurDegree < BLUR_DEGREE; nBlurDegree++)
{
memset((void *)h_resultPixels, 0, imageSize);
h_blur(h_pixels, h_resultPixels);
memcpy((void *)h_pixels, (void *)h_resultPixels, imageSize);
}
cpuEndTime = clock();
double cpuElapsedTime = (cpuEndTime - cpuStartTime) / (double)CLOCKS_PER_SEC;
printf("\nCPU time elapsed:\t%.2f ms\n", cpuElapsedTime * 1000);
inputFileData = inputFileData - dataOffset;
memcpy(output_buffer, inputFileData, dataOffset);
output_buffer = output_buffer + dataOffset;
memcpy(output_buffer, h_resultPixels, imageSize);
output_buffer = output_buffer - dataOffset;
fp_output = fopen(h_resultPath, "w");
fwrite(output_buffer, fileSize, 1, fp_output);
fclose(fp_output);
/************************** End host processing **************************/
/************************** Start device processing **********************/
cudaError_t cudaStatus;
h_devicePixels = (unsigned char *)malloc(imageSize);
cudaStatus = cudaMalloc((void **)&d_pixels, imageSize);
cudaStatus = cudaMalloc((void **)&d_resultPixels, imageSize);
cudaStatus = cudaMemcpy(d_pixels, h_pixels, imageSize, cudaMemcpyHostToDevice);
dim3 grid(16, 32);
dim3 block(32, 16);
// create CUDA event handles
cudaEvent_t gpuStartTime, gpuStopTime;
float gpuElapsedTime = 0;
cudaEventCreate(&gpuStartTime);
cudaEventCreate(&gpuStopTime);
cudaEventRecord(gpuStartTime, 0);
for (nBlurDegree = 0; nBlurDegree < BLUR_DEGREE; nBlurDegree++)
{
cudaStatus = cudaMemset(d_resultPixels, 0, imageSize);
d_blur << < grid, block >> >(d_pixels, d_resultPixels, width, height);
cudaStatus = cudaMemcpy(d_pixels, d_resultPixels, imageSize, cudaMemcpyDeviceToDevice);
cudaStatus = cudaThreadSynchronize();
}
cudaEventRecord(gpuStopTime, 0);
cudaEventSynchronize(gpuStopTime); // block until the event is actually recorded
cudaStatus = cudaMemcpy(h_devicePixels, d_resultPixels, imageSize, cudaMemcpyDeviceToHost);
cudaEventElapsedTime(&gpuElapsedTime, gpuStartTime, gpuStopTime);
printf("\nGPU time elapsed:\t%.2f ms\n", gpuElapsedTime);
memcpy(d_output_buffer, inputFileData, dataOffset);
d_output_buffer = d_output_buffer + dataOffset;
memcpy(d_output_buffer, h_devicePixels, imageSize);
d_output_buffer = d_output_buffer - dataOffset;
fp_d_output = fopen(d_resultPath, "w");
fwrite(d_output_buffer, fileSize, 1, fp_d_output);
fclose(fp_d_output);
/************************** End device processing ************************/
// Release resources
cudaEventDestroy(gpuStartTime);
cudaEventDestroy(gpuStopTime);
cudaFree(d_pixels);
cudaFree(d_resultPixels);
cudaThreadExit();
free(h_devicePixels);
free(h_pixels);
free(h_resultPixels);
return 0;
} // End main
最佳答案
您的代码存在一个问题,即数据流已损坏。
h_pixels
包含您的初始数据:
memcpy((void *)h_pixels, (void *)inputFileData, imageSize);
您将在主机模糊例程结束时用结果数据覆盖数据:
memcpy((void *)h_pixels, (void *)h_resultPixels, imageSize);
然后,您可以使用此模糊数据作为设备模糊例程的起点:
cudaStatus = cudaMemcpy(d_pixels, h_pixels, imageSize, cudaMemcpyHostToDevice);
在代码中的步骤 2 和 3 之间,您不会将 h_pixels
指向的数据替换为原始起始数据。因此,期望设备模糊和主机模糊会产生相同的结果是不合理的。他们并不是从相同的数据开始的。
您的代码的另一个问题是,您的主机和设备代码之间的模糊操作存在细微差别。具体来说,在主机情况 (h_blur
) 中,每次调用 h_getPixel
时,变量 sum
和 denom
为初始化为零(在 h_blur
中的 k
循环的每次迭代中)。
但是,在您的设备代码中,您有一个迭代 3 个颜色分量的循环,但 sum
和 denom
在每次迭代时都不会重置为零k
循环。
以下完整的示例修复了这些问题,并在主机和设备之间针对随机样本数据产生相同的结果:
$ cat t626.cu
#include <stdio.h>
#include <stdlib.h>
#define IMW 407
#define IMH 887
#define IMAGE_BUFFER_SIZE (IMW*IMH*3)
#define BLOCKX 16
#define BLOCKY BLOCKX
#define BLUR_DEGREE 3
unsigned int width, height;
int hmask[3][3] = { 1, 2, 1,
2, 4, 2,
1, 2, 1
};
#include <time.h>
#include <sys/time.h>
#define USECPSEC 1000000ULL
unsigned long long dtime_usec(unsigned long long prev){
timeval tv1;
gettimeofday(&tv1,0);
return ((tv1.tv_sec * USECPSEC)+tv1.tv_usec) - prev;
}
int validate(unsigned char *d1, unsigned char *d2, int dsize){
for (int i = 0; i < dsize; i++)
if (d1[i] != d2[i]) {printf("validation mismatch at index %d, was %d, should be %d\n", i, d1[i], d2[i]); return 0;}
return 1;
}
int h_getPixel(unsigned char *arr, int col, int row, int k)
{
int sum = 0;
int denom = 0;
for (int j = -1; j <= 1; j++)
{
for (int i = -1; i <= 1; i++)
{
if ((row + j) >= 0 && (row + j) < height && (col + i) >= 0 && (col + i) < width)
{
int color = arr[(row + j) * 3 * width + (col + i) * 3 + k];
sum += color * hmask[i + 1][j + 1];
denom += hmask[i + 1][j + 1];
}
}
}
return sum / denom;
} // End getPixel
void h_blur(unsigned char *arr, unsigned char *result)
{
for (unsigned int row = 0; row < height; row++)
{
for (unsigned int col = 0; col < width; col++)
{
for (int k = 0; k < 3; k++)
{
result[3 * row * width + 3 * col + k] = h_getPixel(arr, col, row, k);
}
}
}
} // End h_blur
__global__ void d_blur(const unsigned char * __restrict__ arr, unsigned char *result, const int width, const int height)
{
int col = blockIdx.x * blockDim.x + threadIdx.x;
int row = blockIdx.y * blockDim.y + threadIdx.y;
int mask[3][3] = { 1, 2, 1,
2, 4, 2,
1, 2, 1
};
if ((row < height) && (col < width)){
int sum = 0;
int denom = 0;
for (int k = 0; k < 3; k++)
{
for (int j = -1; j <= 1; j++)
{
for (int i = -1; i <= 1; i++)
{
if ((row + j) >= 0 && (row + j) < height && (col + i) >= 0 && (col + i) < width)
{
int color = arr[(row + j) * 3 * width + (col + i) * 3 + k];
sum += color * mask[i + 1][j + 1];
denom += mask[i + 1][j + 1];
}
}
}
result[3 * row * width + 3 * col + k] = sum / denom;
sum = 0;
denom = 0;
}
}
}
int main(int argc, char **argv)
{
/************ Setup work ***********************/
unsigned char *d_resultPixels;
unsigned char *h_resultPixels;
unsigned char *h_devicePixels;
unsigned char *h_pixels = NULL;
unsigned char *d_pixels = NULL;
int nBlurDegree;
int imageSize = sizeof(unsigned char) * IMAGE_BUFFER_SIZE;
h_pixels = (unsigned char *)malloc(imageSize);
width = IMW;
height = IMH;
h_resultPixels = (unsigned char *)malloc(imageSize);
h_devicePixels = (unsigned char *)malloc(imageSize);
for (int i = 0; i < imageSize; i++) h_pixels[i] = rand()%30;
memcpy(h_devicePixels, h_pixels, imageSize);
/************************** Start host processing ************************/
unsigned long long cputime = dtime_usec(0);
// Apply gaussian blur
for (nBlurDegree = 0; nBlurDegree < BLUR_DEGREE; nBlurDegree++)
{
memset((void *)h_resultPixels, 0, imageSize);
h_blur(h_pixels, h_resultPixels);
memcpy((void *)h_pixels, (void *)h_resultPixels, imageSize);
}
cputime = dtime_usec(cputime);
/************************** End host processing **************************/
/************************** Start device processing **********************/
cudaMalloc((void **)&d_pixels, imageSize);
cudaMalloc((void **)&d_resultPixels, imageSize);
cudaMemcpy(d_pixels, h_devicePixels, imageSize, cudaMemcpyHostToDevice);
dim3 block(BLOCKX, BLOCKY);
dim3 grid(IMW/block.x+1, IMH/block.y+1);
unsigned long long gputime = dtime_usec(0);
for (nBlurDegree = 0; nBlurDegree < BLUR_DEGREE; nBlurDegree++)
{
cudaMemset(d_resultPixels, 0, imageSize);
d_blur << < grid, block >> >(d_pixels, d_resultPixels, width, height);
cudaMemcpy(d_pixels, d_resultPixels, imageSize, cudaMemcpyDeviceToDevice);
}
cudaDeviceSynchronize();
gputime = dtime_usec(gputime);
cudaMemcpy(h_devicePixels, d_resultPixels, imageSize, cudaMemcpyDeviceToHost);
printf("GPU time: %fs, CPU time: %fs\n", gputime/(float)USECPSEC, cputime/(float)USECPSEC);
validate(h_pixels, h_devicePixels, imageSize);
/************************** End device processing ************************/
// Release resources
cudaFree(d_pixels);
cudaFree(d_resultPixels);
free(h_devicePixels);
free(h_pixels);
free(h_resultPixels);
return 0;
} // End main
$ nvcc -O3 -o t626 t626.cu
$ ./t626
GPU time: 0.001739s, CPU time: 0.057698s
$
上述计时结果(GPU 比 CPU 快约 30 倍)是在 CentOS 5.5 和 CUDA 7 RC 上使用 Quadro5000 GPU 生成的。您的 Quadro NVS 290 是一款功耗较低的 GPU,因此它的表现不佳。当我在 Quadro NVS 310 上运行此代码时,我得到的结果表明 GPU 仅比 CPU 快约 2.5 倍
关于c - CUDA和主机上的图像处理输出不同,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28496846/
这是我关于 Stack Overflow 的第一个问题,这是一个很长的问题。 tl;dr 版本是:我如何使用 thrust::device_vector如果我希望它存储不同类型的对象 DerivedC
我已使用 cudaMalloc 在设备上分配内存并将其传递给内核函数。是否可以在内核完成执行之前从主机访问该内存? 最佳答案 我能想到的在内核仍在执行时启动 memcpy 的唯一方法是在与内核不同的流
是否可以在同一节点上没有支持 CUDA 的设备的情况下编译 CUDA 程序,仅使用 NVIDIA CUDA Toolkit...? 最佳答案 你的问题的答案是肯定的。 nvcc编译器驱动程序与设备的物
我不知道 cuda 不支持引用参数。我的程序中有这两个函数: __global__ void ExtractDisparityKernel ( ExtractDisparity& es)
我正在使用 CUDA 5.0。我注意到编译器将允许我在内核中使用主机声明的 int 常量。但是,它拒绝编译任何使用主机声明的 float 常量的内核。有谁知道这种看似差异的原因? 例如,下面的代码可以
自从 CUDA 9 发布以来,显然可以将不同的线程和 block 分组到同一组中,以便您可以一起管理它们。这对我来说非常有用,因为我需要启动一个包含多个 block 的内核并等待所有 block 都同
我需要在 CUDA 中执行三线性插值。这是问题定义: 给定三个点向量:x[nx]、y[ny]、z[nz] 和一个函数值矩阵func[nx][ny][nz],我想在 x、y 范围之间的一些随机点处找到函
我认为由于 CUDA 可以执行 64 位 128 位加载/存储,因此它可能具有一些用于加/减/等的内在函数。像 float3 这样的向量类型,在像 SSE 这样更少的指令中。 CUDA 有这样的功能吗
我有一个问题,每个线程 block (一维)必须对共享内存内的一个数组进行扫描,并执行几个其他任务。 (该数组最多有 1024 个元素。) 有没有支持这种操作的好库? 我检查了 Thrust 和 Cu
我对线程的形成和执行方式有很多疑惑。 首先,文档将 GPU 线程描述为轻量级线程。假设我希望将两个 100*100 矩阵相乘。如果每个元素都由不同的线程计算,则这将需要 100*100 个线程。但是,
我正在尝试自己解决这个问题,但我不能。 所以我想听听你的建议。 我正在编写这样的内核代码。 VGA 是 GTX 580。 xxxx >> (... threadNum ...) (note. Shar
查看 CUDA Thrust 代码中的内核启动,似乎它们总是使用默认流。我可以让 Thrust 使用我选择的流吗?我在 API 中遗漏了什么吗? 最佳答案 我想在 Thrust 1.8 发布后更新 t
我想知道 CUDA 应用程序的扭曲调度顺序是否是确定性的。 具体来说,我想知道在同一设备上使用相同输入数据多次运行同一内核时,warp 执行的顺序是否会保持不变。如果没有,是否有任何东西可以强制对扭曲
一个 GPU 中可以有多少个 CUDA 网格? 两个网格可以同时存在于 GPU 中吗?还是一台 GPU 设备只有一个网格? Kernel1>(dst1, param1); Kernel1>(dst2,
如果我编译一个计算能力较低的 CUDA 程序,例如 1.3(nvcc 标志 sm_13),并在具有 Compute Capability 2.1 的设备上运行它,它是否会利用 Compute 2.1
固定内存应该可以提高从主机到设备的传输速率(api 引用)。但是我发现我不需要为内核调用 cuMemcpyHtoD 来访问这些值,也不需要为主机调用 cuMemcpyDtoA 来读取值。我不认为这会奏
我希望对 CUDA C 中负载平衡的最佳实践有一些一般性的建议和说明,特别是: 如果经纱中的 1 个线程比其他 31 个线程花费的时间长,它会阻止其他 31 个线程完成吗? 如果是这样,多余的处理能力
CUDA 中是否有像 opencl 一样的内置交叉和点积,所以 cuda 内核可以使用它? 到目前为止,我在规范中找不到任何内容。 最佳答案 您可以在 SDK 的 cutil_math.h 中找到这些
有一些与我要问的问题类似的问题,但我觉得它们都没有触及我真正要寻找的核心。我现在拥有的是一种 CUDA 方法,它需要将两个数组定义到共享内存中。现在,数组的大小由在执行开始后读入程序的变量给出。因此,
经线是 32 根线。 32 个线程是否在多处理器中并行执行? 如果 32 个线程没有并行执行,则扭曲中没有竞争条件。 在经历了一些例子后,我有了这个疑问。 最佳答案 在 CUDA 编程模型中,warp
我是一名优秀的程序员,十分优秀!