CPU与GPU计算能力比较

本文对比几个算法分别在CPU上计算，与GPU上计算的耗时。

测试环境：

CPU: Intel(R)_Core(TM)_i7-7700_CPU_@_3.60GHz x 8

GPU: NVIDIA GeForce GTX 1050

一，FFT计算的性能分析。

1，dft离散傅里叶变换的公式如下。

X为源数据，一个复数数组。Y = dft(X) 和 X = ifft(Y) 分别表示傅里叶变换和傅里叶逆变换。假设X的数据个数为n, 那么Y的数据个数也是n，计算公式如下：

正变换：

逆变换：

其中，

 

2，对于1024个浮点复数，进行一维DFT变换。在保证计算结果正确一致的前提下，比较计算速度。

计算20次，将运行时间累加再计算平均值。得出如下统计结果：

其中，opencv是在CPU上进行多核并行计算的。cufftlib在GPU上计算，但是没有将数据拷贝耗时计算在内。可以看出，GPU上计算的花费时间，是CPU上的一半。

3，对于1024x1024的图像数据，进行2维DFT计算。在确保计算结果正确一致的前提下，比较计算速度（计算耗时）。

计算20次，将运行时间累加再计算平均值。得出如下统计结果：

可以看出，cufftlib 计算的耗时远远小于opencv的计算耗时，15us vs. 6ms，相差400倍，这个性能提升还是很可观的。

测试代码可以参考：https://gitee.com/yt2014/cuda-programs/tree/master/fft

4，这个里面有个问题，cufftPlan1d 和cufftPlan2d，这两个函数的运行都很耗时。对于1024x1024大小的计算来说，cufftPlan2d耗时可达168ms。这个操作，在fft的长度确定之后，只需要运行一次，所以对于特定的应用程序来说，可以在应用运行起来之时，执行一次，后面运行就很快了。

 

二，最大最小值计算的性能分析。

1. 在CPU上使用串行计算，1024x1024的图像数据（8位无符号），依次遍历每个数据，进行比较，保存最大值和最小值。
2. 在第一种方式的基础上，使用openmp进行并行化处理。
3. 使用GPU进行计算，主要采用先分段计算，再归约的计算方法。

代码可以参考https://gitee.com/yt2014/cuda-programs/tree/master/max_min

对于以上3种方式，在保证结果正确一致的情况下，比较计算耗时，分别计算20次，然后计算各自的平均耗时。结果如下：

4，可以看出，

    4.1在CPU上使用omp进行并行化，计算性能最好，花费629微秒；

    4.2 其次是cuda GPU，花费717微秒；

    4.3 花费时间最多的是CPU串行计算，花费2.11毫秒。

5，这个里面GPU跟omp相比，没有优势，因为计算最大最小值的时候，需要将每个数据与其它数据进行比较，或者是与相邻的数据比较，或者是与临时最大值最小值进行比较，更新最大最小值时还需要进行同步。使得这个计算，只能在小局部内并行，最后还是需要归约。而CPU上omp计算时，多个线程间对共享资源的更新，要快很多。

 

三，图像滤波计算性能分析

1.图像滤波是指，使用特性的滤波核，在图像矩阵中移动，对应的计算图像中与核矩阵重叠部分与滤波核矩阵的点乘，将结果保存到图像部分矩阵的中心点。滤波核一般是小的矩阵，对于sobel滤波来说，滤波核如下：

-1 -2 -1         -1 0 1

0 0 0    以及   -2 0 2

1 2 1           -1 0 1

分别对应y方向上的二阶导，和x方向上的一阶导

2.使用1024x1024的图像进行sobel滤波计算，

    2.1 使用opencv在CPU上进行计算，

    2.2 使用cuda GPU进行计算，

      代码可以参考：https://gitee.com/yt2014/cuda-programs/tree/master/sobel    

      在保证计算结果正确一致的前提下，比较计算耗时。分别计算20次，然后计算平均值，计算结果如下：

    2.3 如果不把GPU的数据拷贝时间考虑在内，运行结果如下：

    2.4 如果计算拷贝时间，将结果数据从GPU拷贝回主机的时间 计算在内，那么运行结果如下：

3. 可以看出，如果不考虑GPU和主机之间的数据传输时间，GPU的计算性能还是很有优势，这是因为对于这个滤波计算，各个像素的计算可以实现完全的并行化，计算的结果之间没有依赖性。所以计算性能就有很大提升。

4.但是如果考虑数据传输时间，GPU计算耗时将比CPU计算耗时更长。所以在实际程序中，要考虑怎样避免数据传输（拷贝）时间影响程序的整体性能，主要的做法有，

    4.1 让尽量多的计算在GPU上运行，让GPU的计算工作量远远大于拷贝传输数据的工作量，而且不要频繁的拷贝传输，这样就让拷贝传输耗时在整体耗时中占比减小，从而对整体性能影响不大。一个极端的情况就是，整个程序的计算都在GPU上进行，在开始的时候，将数据拷贝传输到GPU，然后所有计算都在GPU上进行，最后将结果拷贝回主机。

    4.2 在CPU上启动多线程，一个线程在拷贝的过程中，另一个线程在执行计算，这样，计算与拷贝的时间就重合了，消除了一部分耗时。

    4.3 使用cuda GPU中流（stream）的机制，对GPU的操作，使用异步方式，在一个流进行拷贝的时候，另一个流进行计算。