CUDA并行规约(交错配对)
来源:互联网 发布:淘宝图片抓取工具 编辑:程序博客网 时间:2024/05/21 09:48
按照前文多线程的交错配对方式实现并行规约求和方式,实现CUDA版本的并行规约求和,由于这种方式的规约可以避免线程束的分化,因此不需要进行类似于相邻配对那种方式的优化。
交错与优化相邻模式相比,计算效率提升到1.14倍,性能提高有限,这主要受限于全局内存的加载和存储模式。
并行规约的示意图:
#include "cuda_runtime.h"#include "device_launch_parameters.h"#include <stdio.h>#include "math.h"#include "stdlib.h"//错误检查的宏定义#define CHECK(call)\{\const cudaError_t status=call;\if (status!=cudaSuccess)\{\printf("文件:%s,函数:%s,行号:%d\n",__FILE__,\__FUNCTION__,__LINE__);\printf("%s", cudaGetErrorString(status));\exit(1);\}\}\//核函数__global__ void Kernel(int *d_data, int *d_local_sum, int N){int tid = threadIdx.x;int index = blockIdx.x*blockDim.x + threadIdx.x;int *data = d_data + blockIdx.x*blockDim.x;if (index >= N) return;for (int strize = blockDim.x / 2; strize > 0; strize >>= 1){if (tid < strize)data[tid] += data[tid + strize];__syncthreads();}if (tid == 0){d_local_sum[blockIdx.x] = data[0];}}//主函数int main(){//基本参数设置cudaSetDevice(0);const int N = 16777216;int local_length = 1024;int total_sum = 0;dim3 grid(((N + local_length - 1) / local_length), 1);dim3 block(local_length, 1);int *h_data = nullptr;int *h_local_sum = nullptr;int *d_data = nullptr;int *d_local_sum = nullptr;//Host&Deivce内存申请及数组初始化h_data = (int*)malloc(N * sizeof(int));h_local_sum = (int*)malloc(int(grid.x) * sizeof(int));CHECK(cudaMalloc((void**)&d_data, N * sizeof(int)));CHECK(cudaMalloc((void**)&d_local_sum, int(grid.x) * sizeof(int)));for (int i = 0; i < N; i++)h_data[i] = int(10 * sin(0.02*3.14*i));//限制数组元素值,防止最终求和值超过int的范围//数据拷贝至DeviceCHECK(cudaMemcpy(d_data, h_data, N * sizeof(int), cudaMemcpyHostToDevice));for (int i = 0; i < 200; i++)//执行核函数Kernel << <grid, block >> > (d_data, d_local_sum, N);//数据拷贝至HostCHECK(cudaMemcpy(h_local_sum, d_local_sum, int(grid.x) * sizeof(int),cudaMemcpyDeviceToHost));//同步&重置设备CHECK(cudaDeviceSynchronize());CHECK(cudaDeviceReset());for (int i = 0; i < int(grid.x); i++){total_sum += h_local_sum[i];}printf("%d \n", total_sum);//getchar();return 0;}
阅读全文
0 0
- CUDA并行规约(交错配对)
- CUDA并行规约(交错配对-展开规约)
- CUDA并行规约(交错配对-展开线程)
- CUDA并行规约(交错配对-完全展开-终极版)
- CUDA并行规约(相邻配对)
- CUDA并行规约(相邻配对-优化)
- 多线程并行数组求和(交错配对模式)
- CUDA中并行规约(Parallel Reduction)的优化
- CUDA中并行规约(Parallel Reduction)的优化
- CUDA中并行规约(Parallel Reduction)的优化
- 理解cuda并行程序的规约思想
- 理解CUDA并行程序的规约思想
- 理解CUDA并行程序的规约思想 .
- CUDA并行算法系列之规约
- CUDA性能调优(二)—并行规约及优化
- CUDA Thrust 规约求和
- CUDA规约前缀求和问题
- CUDA 规约计算性能对比
- 【洛谷】P1060 开心的金明【动规】
- scala 之case 序列
- YAMAHA 钢琴型号与年代对应表
- 数据结构 线性表
- Erron错误对照表
- CUDA并行规约(交错配对)
- 自制智能WIFI空气净化器(ARDUINO)
- docker常用命令
- luogu P1165 日志分析
- 简述 React 组件生命周期
- 你好
- 服务读写分离(读服务,写服务),是否可行?
- 【洛谷】P1164 小A点菜【动规】
- 深入浅出: Java回调机制(异步)