cuda《学习笔记二》——基本用法

一、前言

       本文对使用cuda加速一维数组运算、二维图像处理运算的方法作总结，参考自《CUDA By Example》

二、一维数组并行运算

       经过查询，本人的老显卡GT550M，可得其3维线程格，每维包含线程块数量为（65536,65536,65536），相应的每维包含线程数为（1024,1024,64），故可得知线程格的每一维可开启的线程块最大数均为65536，相应线程的最大数为（1024,1024,64）。

1）以下为对一维数组并行运算的例子，使用了3种基本方法

//main.cu #include  #include  #include "book.h" //该头文件定义了HANDLE_ERROR函数 using namespace std; int mode = 0 ; #define N 1024 void select() { cout << "select the calculation mode:\n" << "1 -> only by blockIdx\n" << "2 -> only by threadIdx\n" << "3 -> by blockIdx and threadIdx \n"; cout << "mode = "; cin >> mode; cout << endl; } __global__ void add_only_blockIdx(int *a, int *b, int *c) //__global表示该函数可在主机调用，在器件执行； { // 另外__device__表示该函数在器件调用，在期间执行 int idx = blockIdx.x; //计算位于线程块索引处的数据 if (idx < N){ c[idx] = a[idx] + b[idx]; } } __global__ void add_only_threadIdx(int *a, int *b, int *c) { int idx = threadIdx.x; //计算位于线程索引处的数据 if (idx < N){ c[idx] = a[idx] + b[idx]; } } __global__ void add_blockIdx_threadIdx(int *a, int *b, int *c) { int idx = threadIdx.x + blockIdx.x * blockDim.x; //将线程块索引与线程索引转为线性 if (idx < N){ c[idx] = a[idx] + b[idx]; } } int main() { while ( mode< 1 || mode >3 ){ select(); } int a[N], b[N], c[N]; int *dev_a, *dev_b, *dev_c; //gpu上分配内存 HANDLE_ERROR(cudaMalloc((void**)&dev_a, N*sizeof(int))); HANDLE_ERROR(cudaMalloc((void**)&dev_b, N*sizeof(int))); HANDLE_ERROR(cudaMalloc((void**)&dev_c, N*sizeof(int))); //为数组a,b初始化 for (int i = 0; i < N; ++i){ a[i] = i; b[i] = i; } //讲数组a,b数据复制至gpu (cudaMemcpy(dev_a, a, N*sizeof(int), cudaMemcpyHostToDevice)); (cudaMemcpy(dev_b, b, N*sizeof(int), cudaMemcpyHostToDevice)); if (mode == 1) add_only_blockIdx << < N, 1 >> >(dev_a, dev_b, dev_c); //使用N个线程块，其中每个线程块使用1个线程,这里N小于65536，故可行 else if (mode == 2) add_only_threadIdx << < 1, N >> >(dev_a, dev_b, dev_c); //使用1个线程块，其中该线程块使用1024个线程,这里N小于1024，故可行 else add_blockIdx_threadIdx << < (N+127)/128, 128 >> >(dev_a, dev_b, dev_c); // 这里使用(N+127)/128个线程块，每个线程块128线程，为了 // 使所 (N+127)/128 * 128 ＞= N //将数组dev_c复制至cpu HANDLE_ERROR(cudaMemcpy(c, dev_c, N*sizeof(int), cudaMemcpyDeviceToHost)); //显示结果 for (int i = 0; i < N; ++i){ printf("%d + %d = %d\n", a[i], b[i], c[i]); } //释放在gpu分配的内存 cudaFree(dev_a); cudaFree(dev_b); cudaFree(dev_c); return 0; }

2）对任意长度的一维数组并行求和运算

       当一维数组长度大于65536*1024= 67108864 时，使用(1)的方法则不可行，因为线程格的每维最大线程块不大于65536，且每维的线程不大于1024（第3维除外），故可使用如下方法。

//main2.cu #include  #include  #include "book.h" //该头文件定义了HANDLE_ERROR函数 using namespace std; #define N 33*1024 //在gpu运算的数组长度受GPU内存的限制，故这里使用33*1024表示长度较大的数组 __global__ void add(int *a, int *b, int *c) { int idx = threadIdx.x + blockIdx.x * blockDim.x ; //所计算的索引为 128个线程块中的128个线程索引 // 由于128*128 < 33*1024,故某些线程需执行多次运算 while (idx < N){ c[idx] = a[idx] + b[idx]; idx += gridDim.x * blockDim.x; //对索引进行递增，递增步长为gridDim.x * blockDim.x，gridDim.x为使用的线程块总数， } //blockDim.x为使用的每个线程块中的线程总数 } int main() { int a[N], b[N], c[N]; int *dev_a, *dev_b, *dev_c; //gpu上分配内存 HANDLE_ERROR(cudaMalloc((void**)&dev_a, N*sizeof(int))); HANDLE_ERROR(cudaMalloc((void**)&dev_b, N*sizeof(int))); HANDLE_ERROR(cudaMalloc((void**)&dev_c, N*sizeof(int))); //为数组a,b初始化 for (int i = 0; i < N; ++i){ a[i] = i; b[i] = i; } //讲数组a,b数据复制至gpu (cudaMemcpy(dev_a, a, N*sizeof(int), cudaMemcpyHostToDevice)); (cudaMemcpy(dev_b, b, N*sizeof(int), cudaMemcpyHostToDevice)); add <<< 128, 128 >>>(dev_a, dev_b, dev_c); //使用128个线程块，每个线程块使用128个线程,128*128 < 33*1024 //将数组dev_c复制至cpu HANDLE_ERROR(cudaMemcpy(c, dev_c, N*sizeof(int), cudaMemcpyDeviceToHost)); //显示结果 for (int i = 0; i < N; ++i){ printf("%d + %d = %d\n", a[i], b[i], c[i]); } //释放在gpu分配的内存 cudaFree(dev_a); cudaFree(dev_b); cudaFree(dev_c); return 0; }

三、二维图像处理并行运算
       对二维图像数据进行并行运算，这里使用经典的Reduce Color例子，其对图像中的每个像素点进行量化，如常见的RGB24图像有256×256×256中颜色，通过Reduce Color将每个通道的像素减少8倍至256/8=32种，则图像只有32×32×32种颜色。假设量化减少的倍数是N，则代码实现时就是简单的value/N*N，通常我们会再加上N/2以得到相邻的N的倍数的中间值。

//main3.cu
#include   
#include   

#include "book.h"    //该头文件定义了HANDLE_ERROR函数

#include 

using namespace std;
using namespace cv;



__global__ void quantify(uchar *_src_dev, uchar *_dst_dev , int div)
{
	int x_idx = threadIdx.x + blockIdx.x*blockDim.x;           //计算x坐标索引
	int y_idx = threadIdx.y + blockIdx.y*blockDim.y;           //计算y坐标索引
	int idx = x_idx + y_idx * gridDim.x * blockDim.x;        //将(x,y)坐标转换为线性
	_dst_dev[idx ] =  _src_dev[idx] / div*div + div / 2;

}

int main()
{
	Mat src = imread("lena.bmp" );   //读取图像

	Mat dst (src.size(), CV_8UC3);  
	
	uchar *src_data = src.data;          // src_data指针指向图像src的数据
	if (!src.isContinuous())  return -1;   //判断图像数据字节是否填充

	uchar *src_dev, *dst_dev;

	int length = src.rows * src.cols * src.channels();

	//在gpu上分配内存空间
	HANDLE_ERROR(cudaMalloc((void**)&src_dev, length*sizeof(uchar)));
	HANDLE_ERROR(cudaMalloc((void**)&dst_dev, length*sizeof(uchar)));

	HANDLE_ERROR(cudaMemcpy(src_dev, src_data, length*sizeof(uchar), cudaMemcpyHostToDevice));

	dim3 blocks(src.cols*src.channels()/ 32, src.rows/ 32);  //宽和高均为512,所启动线程块与线程数量差距不可过大
	dim3 threads(32, 32);
	quantify << < blocks, threads >> >(src_dev, dst_dev , 64);

	//将数组dst_dev复制至cpu
	HANDLE_ERROR(cudaMemcpy(dst.data, dst_dev, length*sizeof(uchar), cudaMemcpyDeviceToHost));

	cudaFree(src_dev);
	cudaFree(dst_dev);

	imshow("src", src);
	imshow("Dst", dst);
	waitKey(0);


	return 0;
}

运行结果