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	else		add_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cpu	HANDLE_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cpu	HANDLE_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cpu	HANDLE_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