CUDA矩阵乘法——VS2010中使用CUDA示例

来源：互联网发布：mac全屏视频卡住编辑：程序博客网时间：2024/05/18 14:13

各工具或库的版本：

IDE：VS2008

VS2010 (使用MSVC编译器)

CUDA：5.5

下面以宽为1024的举证乘法为例，VS2010工程。

1.新建VS2010下VC++ Console工程

2.设置项目属性

设置Project属性自定义配置，支持CUDA。

然后添加链接库：项目——>属性——>链接器——>常规，在附加库目录中添加ToolKit和SDK目录里的lib，在输入的附加库目录下添加需要用到的lib文件。这一步和在单独使用CUDA时的做法是一样的，详见http://www.cnblogs.com/Romi/archive/2012/04/20/2459669.html

3.编写CUDA文件(.cu)

在项目中新建一个.cu的文件，加上如下代码，完成在GPU设备上进行矩阵乘法：

[cpp] view plaincopy
//CUDAtest.cu  
  
#include "cuda_runtime.h"    
#include "device_launch_parameters.h"  
  
#define TILE_WIDTH 64  
  
// 核函数  
// __global__ static void MatrixMulKernel(const float* Md,const float* Nd,float* Pd,int Width)  
__global__ void MatrixMulKernel(const float* Md,const float* Nd,float* Pd,int Width)  
{  
    //计算Pd和Md中元素的行索引  
    int Row = blockIdx.y * TILE_WIDTH + threadIdx.y; //行  
    int Col = blockIdx.x * TILE_WIDTH + threadIdx.x; //列  
  
    float Pvalue = 0.0;  
    for (int k = 0; k < Width; k++)  
    {  
        Pvalue += Md[Row * Width + k] * Nd[k * Width + Col];  
    }  
    //每个线程负责计算P中的一个元素  
    Pd[Row * Width + Col] = Pvalue;  
}  
  
// 矩阵乘法(CUDA中)  
// 在外部调用，使用extern  
extern "C" void MatrixMultiplication_CUDA(const float* M,const float* N,float* P,int Width)  
{  
    cudaSetDevice(0);  //设置目标GPU   
  
    float *Md, *Nd, *Pd;  
    int size = Width * Width * sizeof(float);//字节长度  
  
    cudaMalloc((void**)&Md, size);  
    cudaMalloc((void**)&Nd, size);  
    cudaMalloc((void**)&Pd, size);  
  
    //Copies a matrix from the memory* area pointed to by src to the memory area pointed to by dst  
    cudaMemcpy(Md, M, size, cudaMemcpyHostToDevice);  
    cudaMemcpy(Nd, N, size, cudaMemcpyHostToDevice);  
  
    //  
    dim3 dimGrid(Width / TILE_WIDTH, Width / TILE_WIDTH);   //网格的维度  
    dim3 dimBlock(TILE_WIDTH, TILE_WIDTH);                  //块的维度  
    MatrixMulKernel<<< dimGrid, dimBlock >>>(Md, Nd, Pd, Width);  
  
    cudaMemcpy(P, Pd, size, cudaMemcpyDeviceToHost);  
    //释放设备上的矩阵  
    cudaFree(Md);  
    cudaFree(Nd);  
    cudaFree(Pd);  
}  

这里使用extern以声明函数可以在外部被调用。如果是在调用该函数的原文件中使用include “XXX.cu”，我这会出现编译错误，暂没有解决，所以使用extern

设置.cu文件属性，支持CUDA编译。

4.在工程源文件中添加CUDA的引用

添加CPP文件，调用CUDA文件内容，调试CPU与GPU运行效率。

[cpp] view plaincopy
#include <time.h>  
#include <stdlib.h>  
#include <stdio.h>  
  
//这里不要忘了加引用声明  
extern "C" void MatrixMultiplication_CUDA(const float* M, const float* N, float* P, int Width);  
  
//构造函数...  
//析构函数...  
  
// 产生矩阵,矩阵中元素0~1  
void matgen(float* a, int Width)  
{  
    int i, j;  
    for (i = 0; i < Width; i++)  
    {  
        for (j = 0; j < Width; j++)  
        {  
            a[i * Width + j] = (float)rand() / RAND_MAX + (float)rand() / (RAND_MAX*RAND_MAX);  
        }  
    }  
}  
  
//矩阵乘法(CPU验证)  
void MatrixMultiplication(const float* M,const float* N,float* P,int Width)  
{  
    int i,j,k;  
    for (i = 0; i < Width; i++)  
    {  
        for (j = 0; j < Width; j++)  
        {  
            float sum = 0;  
            for (k = 0; k < Width; k++)  
            {  
                sum += M[i * Width + k] * N[k * Width + j];  
            }  
            P[i * Width + j] = sum;  
        }  
    }  
}  
  
double MatrixMul_GPU()  
{   
    float *M, *N, *Pg;  
    int Width = 1024;   //1024×1024矩阵乘法  
    M = (float*)malloc(sizeof(float) * Width * Width);  
    N = (float*)malloc(sizeof(float) * Width * Width);  
    Pg= (float*)malloc(sizeof(float) * Width * Width); //保存GPU计算结果  
  
    srand(0);  
  
    matgen(M, Width);           //产生矩阵M  
    matgen(N, Width);           //产生矩阵N  
  
    double timeStart, timeEnd;  //定义时间，求时间差用  
    timeStart = clock();  
    MatrixMultiplication_CUDA(M, N, Pg, Width);         //GPU上计算  
    timeEnd = clock();  
  
    free(M);  
    free(N);  
    free(Pg);  
    return timeEnd - timeStart;  
}  
  
double MatrixMul_CPU()  
{  
    float *M, *N, *Pc;  
    int Width = 1024;   //1024×1024矩阵乘法  
    M = (float*)malloc(sizeof(float) * Width * Width);  
    N = (float*)malloc(sizeof(float) * Width * Width);  
    Pc= (float*)malloc(sizeof(float) * Width * Width);  //保存CPU计算结果  
  
    srand(0);  
  
    matgen(M, Width);           //产生矩阵M  
    matgen(N, Width);           //产生矩阵N  
  
    double timeStart,timeEnd; //定义时间，求时间差用  
    timeStart = clock();  
    MatrixMultiplication(M, N, Pc, Width);              //CPU上计算  
    timeEnd = clock();  
  
    free(M);  
    free(N);  
    free(Pc);  
    return timeEnd - timeStart;  
}  
  
//////////////////////////////////////////////////////////////////////////  
void main()  
{  
    printf("CPU use time %g\n", MatrixMul_CPU());  
    printf("GPU use time %g\n", MatrixMul_GPU());  
}  

5.测试结果

测试时开了其他的应用程序，另外本机配置很戳，看看吧，使用CUDA进行加速甩了使用传统方法几条街呢

参考一下文章改写：

后注：代码中有点问题，测试结果也不对，后来发现了，改过的结果见该文http://www.cnblogs.com/Romi/archive/2012/05/17/2506787.html

http://www.cnblogs.com/Romi/archive/2012/05/09/2492363.html

-----------------------------------------------------------------------------------------------------------

上篇中http://www.cnblogs.com/Romi/archive/2012/05/09/2492363.html，出了点问题，也是后来才发现的，意识到每个块中最多只能有512个线程，而该文的块大小为64*64，显然超过了512，因此此篇将其改为16，即TILE_WIDTH=16。其他代码还是和上篇一样。

矩阵计算模型的数组元素索引如下图所示

测试结果如下：

GPU计算时间变长了，上篇那样数组中的元素并没有全计算到。可以看到GPU计算时间虽然也有点多，但还是比CPU串行计算要快。

此文中数据保存在全局存储器，进行计算时，从全局存储区取数据进行计算，而从全局存储器取数据的速度是很慢的，而且取矩阵元素有很多重复，即一个矩阵元素取了好多次，这些都会对计算性能产生影响，因此还可以进一步优化。

http://www.cnblogs.com/Romi/archive/2012/05/17/2506787.html

1 0