cuda Linear Memory

Part.2 Linear Memory

在 前一篇 已經大概介紹過 texture 的基本概念了，在這一篇，就來大概看一下，一般使用 linear memory 的 texture 的方法吧。

在宣告的部分，前面已經提過了，大致上就是：

1. texture<int, 1, cudaReadModeElementType> texRef;

复制代码

的形式。這樣，就可以宣告出一個一維的整數 texture 了；而由於他的讀取模式是給定為 cudaReadModeElementType，所以之後由這個 texture 取出的值，也都會是整數（如果是 cudaReadModeNormalizedFloat，就會是浮點數）。
而宣告出 texture reference 的物件後，接下來就是要和現有的變數做連結了～



Bind Texture

使用 linear memory 時，是要將在 global memory 中用 cudaMalloc() 定義出來的記憶體空間，透過 cudaBindTexture() 這個函式，來將 texture reference 連結到變數。其函式的型態為：

1. template<class T, int Dim, enum cudaReadModeElementType readMode>
   
2. cudaError_t cudaBindTexture( size_t* offset,
   
3.                          const struct texture<T, dim, readMode>& texRef,
   
4.                          const void* devPtr,
   
5.                          size_t size = UINT_MAX);

复制代码

其中，offset 算是比較進階的設定，在這邊先略過，不過一般是都給 0。而 texRef 就是要 bind 的 texture，devPtr 則是要 bind 到 texRef 的資料；size 就是 devPtr 的記憶體空間大小，不過一般應該是可以省略不給。

而除了 cudaBindTexture() 外，當然也有相反的 cudaUnbindTexture()。他的動作就是解除 texture reference 和變數的關係。

1. template<class T, int Dim, enum cudaReadModeElementType readMode>
   
2. cudaError_t cudaunBindTexture(
   
3.                 const struct texture<T, dim, readMode>& texRef );

复制代码

在 kernel 中使用

在 kernel function 中，要存取使用 linear memory 的 texture reference，要透過 tex1Dfetch() 這個函式；其型態為：

1. 
   
2. template<class Type>
   
3. Type tex1Dfetch( texture<Type, 1, ReadMode> texRef, int x);

复制代码

也就是只要給他要讀取的 texture reference，以及要讀取的位置 x，就可以取得資料的值了～

簡單的範例
上面已經把要使用 linear memory 的 CUDA texture 時所需要的基本功能都介紹過了，接下來就來給個簡單的範例吧～程式可以到這個連結下載。


Heresy 這邊用的例子，是把兩張圖做 alpha blending，也就是把兩張圖各自設定透明度，疊在一起看；不過為了簡化，所以沒有去讀圖檔，而是直接建立測試的資料。下面就是 main() 的部分

1. void main( int argc, char** argv )
   
2. {
   
3.     int width   = 1920,
   
4.         height  = 1200,
   
5.         channel = 3;
   
6. 
   
7.     // Setup test data
   
8.     unsigned char *aImg1 = new unsigned char[ width*height*channel ],
   
9.                   *aImg2 = new unsigned char[ width*height*channel ],
   
10.                   *aRS1  = new unsigned char[ width*height*channel ],
    
11.                   *aRS2  = new unsigned char[ width*height*channel ];
    
12.     for( int i = 0; i < width * height * channel; ++ i )
    
13.     {
    
14.         aImg1 = 0;
    
15.         aImg2 = 255;
    
16.     }
    
17. 
    
18.     // CPU code
    
19.     Blend_CPU( aImg1, aImg2, aRS1, width, height, channel );
    
20.         
    
21.     // GPU Code
    
22.     Blend_GPU( aImg1, aImg2, aRS2, width, height, channel );
    
23. 
    
24.     // check
    
25.     for( int i = 0; i < width * height * channel; ++ i )
    
26.         if( aRS1 != aRS2 )
    
27.         {
    
28.             printf( "Error!!!!\n" );
    
29.             break;
    
30.         }
    
31. }

复制代码

在這裡，是建立了四個大小是 1920*1200*3 的 unsigned char 一維陣列來充當圖檔；其中，aImg1 和 aImg2 是當作來源，分別全部填入 0 和 255，而 aRS1 和 aRS2 則分別拿來儲存用 CPU 以及 GPU 計算後的結果。其中 Blend_CPU() 就是用 CPU 計算的函式、Blend_GPU() 則是用 GPU 計算的函式；在計算完後，結果會分別存在 aRS1 和 aRS2 中。最後「check」的部分，就是在驗證 CPU 和 GPU 計算的結果是否一致了～
而其中，Blend_CPU() 的內容是：

1. void Blend_CPU( unsigned char* aImg1, unsigned char* aImg2,
   
2.                 unsigned char* aRS,
   
3.                 int width, int height, int channel )
   
4. {
   
5.     for( int i = 0; i < width * height * channel; ++ i )
   
6.         aRS = (unsigned char)( 0.5 * aImg1 + 0.5 * aImg2 );
   
7. }

复制代码

可以看到這邊的程式非常簡單，就是用一個 for 迴圈，把整個陣列掃一遍，並把 aImg1 和 aImg2 的值都乘上 0.5 後加起來。


接下來，就是 GPU 程式 Blend_GPU() 所在的的 .cu 檔了～

1. #define BLOCK_DIM 512
   
2. texture<unsigned char, 1, cudaReadModeElementType> rT1;
   
3. texture<unsigned char, 1, cudaReadModeElementType> rT2;
   
4. 
   
5. extern "C"
   
6. void Blend_GPU( unsigned char* aImg1, unsigned char* aImg2,
   
7.                 unsigned char* aRS,
   
8.                 int width, int height, int channel );
   
9. 
   
10. __global__ void Blending_Texture( unsigned char* aRS, int size )
    
11. {
    
12.     int index = blockIdx.x * blockDim.x + threadIdx.x;
    
13. 
    
14.     if( index < size )
    
15.         aRS[index] = 0.5 * tex1Dfetch( rT1, index )
    
16.                    + 0.5 * tex1Dfetch( rT2, index );
    
17. }
    
18. 
    
19. void Blend_GPU( unsigned char* aImg1, unsigned char* aImg2,
    
20.                 unsigned char* aRS,
    
21.                 int width, int height, int channel )
    
22. {
    
23.     int size = height * width * channel;
    
24.     int data_size = size * sizeof( unsigned char );
    
25. 
    
26.     // part1, allocate data on device
    
27.     unsigned char        *dev_A,        *dev_B,        *dev_C;
    
28.     cudaMalloc( (void**)&dev_A, data_size );
    
29.     cudaMalloc( (void**)&dev_B, data_size );
    
30.     cudaMalloc( (void**)&dev_C, data_size );
    
31. 
    
32.     // part2, copy memory to device
    
33.     cudaMemcpy( dev_A, aImg1, data_size, cudaMemcpyHostToDevice );
    
34.     cudaMemcpy( dev_B, aImg2, data_size, cudaMemcpyHostToDevice );
    
35. 
    
36.     // part2a, bind texture
    
37.     cudaBindTexture(0, rT1, dev_A );
    
38.     cudaBindTexture(0, rT2, dev_B );
    
39. 
    
40.     // part3, run kernel
    
41.     Blending_Texture<<< ceil((float)size/BLOCK_DIM), BLOCK_DIM >>>
    
42.                     ( dev_C, size );
    
43. 
    
44.     // part4, copy data from device
    
45.     cudaMemcpy( aRS, dev_C, data_size, cudaMemcpyDeviceToHost );
    
46. 
    
47.     // part5, release data
    
48.     cudaUnbindTexture(rT1);
    
49.     cudaUnbindTexture(rT2);
    
50. 
    
51.     cudaFree(dev_A);
    
52.     cudaFree(dev_B);
    
53.     cudaFree(dev_C);
    
54. }

复制代码

第一行的所定義的 BLOCK_DIM 是定義成每一個 thread block 的大小為 512 個，而如果要執行的 thread 超過這個數值的話，就再切成數個 block 來做；也就是 part3 所指定的執行參數：「<<< ceil((float)size / BLOCK_DIM), BLOCK_DIM >>>」。


第二行和第三行是宣告出兩個 CUDA 的 1D texture rT1、rT2出來，準備之後拿來當輸入用的兩個陣列用；而由於 texture 不能寫入，所以輸出的陣列也就沒必要轉換成 texture來使用了。而應該是由於目前 CUDA 版本（1.1）的限制，texture reference 只能在 file-scope 宣告成為global 變數，在 kernel function 中使用。
接下來先看 Blend_GPU() 這個函式，他的步驟如下：

• 先把所需要的記憶體大小計算出來
• [part1] 宣告 dev_A、dev_B、dev_C，並指派記憶體空間；此時，dev_A、dev_B、dev_C 就是使用 global memory 的變數。
• [part2]  透過 cudaMemcpy() 把資料由 host memory（aImg1、aImg2） 複製到 device memory（dev_A、dev_B）。
• [part2a] 透過 cudaBindTexture() 將 rT1、rT2 和 dev_A、dev_B 做聯繫。而此時，rT1、rT2  就算是使用 texture memory 的變數。
• [part3] 呼叫 kernel function：Blending_Texture() 來進行計算了。
• [part4] 將結果由 device memory（dev_C）複製回 host memory（aRS）。
• [part4] 透過 cudaUnbindTexture() 將 rT1、rT2 和 dev_A、dev_B 間的聯繫解除，並使用 cudaFree() 將 device memory 釋放掉。

而最後就是這份程式的 kernel function：Blending_Texture() 了～

在一開始，還是先利用 CUDA 自動提供的變數 blockIdx、blockDim、threadIdx 來計算出 index 值，並判斷該 thread 是否超出要處理的大小。而之後，就透過 tex1Dfetch() 這個函式，來個別取出 rT1 和 rT2 在 index 的值，並將計算後的結果，存入 aRS[index] 中。如此，就完成了 kernel function 該做的事了