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 <cuda_runtime.h>  #include <iostream>  #include "book.h"    //该头文件定义了HANDLE_ERROR函数using namespace std;int mode = 0 ;#define N 1024void 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elseadd_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cpuHANDLE_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 <cuda_runtime.h>  #include <iostream>  #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cpuHANDLE_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 <cuda_runtime.h>  #include <iostream>  #include "book.h"    //该头文件定义了HANDLE_ERROR函数#include <opencv2/opencv.hpp>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cpuHANDLE_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