CUDA编程 - clock 学习记录

clock 学习记录

  • 一、完整代码
  • 二、核函数流程
  • 三、main 函数流程
  • 四、学习总结(共享内存的声明和使用):
    • 4.1、例子
    • 4.2、数据从全局内存复制到共享内存:

该程序利用CUDA并行计算能力,执行归约操作以找到每个块内的最小值,并使用 clock() 函数测量每个块的执行时间。主函数管理CUDA环境和内存,并处理计时数据以评估算法的性能

一、完整代码

// System includes
#include <assert.h>
#include <stdint.h>
#include <stdio.h>// CUDA runtime
#include <cuda_runtime.h>// helper functions and utilities to work with CUDA
#include <helper_cuda.h>
#include <helper_functions.h>// This kernel computes a standard parallel reduction and evaluates the
// time it takes to do that for each block. The timing results are stored
// in device memory.
__global__ static void timedReduction(const float *input, float *output,clock_t *timer) {// __shared__ float shared[2 * blockDim.x];extern __shared__ float shared[];const int tid = threadIdx.x;const int bid = blockIdx.x;if (tid == 0) timer[bid] = clock();// Copy input.shared[tid] = input[tid];shared[tid + blockDim.x] = input[tid + blockDim.x];// Perform reduction to find minimum.for (int d = blockDim.x; d > 0; d /= 2) {__syncthreads();if (tid < d) {float f0 = shared[tid];float f1 = shared[tid + d];if (f1 < f0) {shared[tid] = f1;}}}// Write result.if (tid == 0) output[bid] = shared[0];__syncthreads();if (tid == 0) timer[bid + gridDim.x] = clock();
}#define NUM_BLOCKS 64
#define NUM_THREADS 256// It's interesting to change the number of blocks and the number of threads to
// understand how to keep the hardware busy.
//
// Here are some numbers I get on my G80:
//    blocks - clocks
//    1 - 3096
//    8 - 3232
//    16 - 3364
//    32 - 4615
//    64 - 9981
//
// With less than 16 blocks some of the multiprocessors of the device are idle.
// With more than 16 you are using all the multiprocessors, but there's only one
// block per multiprocessor and that doesn't allow you to hide the latency of
// the memory. With more than 32 the speed scales linearly.// Start the main CUDA Sample here
int main(int argc, char **argv) {printf("CUDA Clock sample\n");// This will pick the best possible CUDA capable deviceint dev = findCudaDevice(argc, (const char **)argv);float *dinput = NULL;float *doutput = NULL;clock_t *dtimer = NULL;clock_t timer[NUM_BLOCKS * 2];float input[NUM_THREADS * 2];for (int i = 0; i < NUM_THREADS * 2; i++) {input[i] = (float)i;}checkCudaErrors(cudaMalloc((void **)&dinput, sizeof(float) * NUM_THREADS * 2));checkCudaErrors(cudaMalloc((void **)&doutput, sizeof(float) * NUM_BLOCKS));checkCudaErrors(cudaMalloc((void **)&dtimer, sizeof(clock_t) * NUM_BLOCKS * 2));checkCudaErrors(cudaMemcpy(dinput, input, sizeof(float) * NUM_THREADS * 2,cudaMemcpyHostToDevice));timedReduction<<<NUM_BLOCKS, NUM_THREADS, sizeof(float) * 2 * NUM_THREADS>>>(dinput, doutput, dtimer);checkCudaErrors(cudaMemcpy(timer, dtimer, sizeof(clock_t) * NUM_BLOCKS * 2,cudaMemcpyDeviceToHost));checkCudaErrors(cudaFree(dinput));checkCudaErrors(cudaFree(doutput));checkCudaErrors(cudaFree(dtimer));long double avgElapsedClocks = 0;for (int i = 0; i < NUM_BLOCKS; i++) {avgElapsedClocks += (long double)(timer[i + NUM_BLOCKS] - timer[i]);}avgElapsedClocks = avgElapsedClocks / NUM_BLOCKS;printf("Average clocks/block = %Lf\n", avgElapsedClocks);return EXIT_SUCCESS;
}

二、核函数流程

核函数 timedReduction:

__global__ static void timedReduction(const float *input, float *output,clock_t *timer) {extern __shared__ float shared[];const int tid = threadIdx.x;   // 线程在块内的索引const int bid = blockIdx.x;    // 块的索引// 记录每个块的开始时间if (tid == 0) timer[bid] = clock();// 复制输入数据到共享内存中shared[tid] = input[tid];shared[tid + blockDim.x] = input[tid + blockDim.x];// 执行归约操作以找到最小值for (int d = blockDim.x; d > 0; d /= 2) {__syncthreads();if (tid < d) {float f0 = shared[tid];float f1 = shared[tid + d];if (f1 < f0) {shared[tid] = f1;}}}// 将结果写入全局内存if (tid == 0) output[bid] = shared[0];__syncthreads();// 记录每个块的结束时间if (tid == 0) timer[bid + gridDim.x] = clock();
}

语法解释:

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
(这里假设每个线程负责复制两个元素,因此 blockDim.x 是块中的线程数。)

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

三、main 函数流程

int main(int argc, char **argv) {// 初始化CUDA设备int dev = findCudaDevice(argc, (const char **)argv);// 主机和设备内存分配float *dinput = NULL;float *doutput = NULL;clock_t *dtimer = NULL;clock_t timer[NUM_BLOCKS * 2];float input[NUM_THREADS * 2];// 初始化输入数据for (int i = 0; i < NUM_THREADS * 2; i++) {input[i] = (float)i;}// CUDA内存分配checkCudaErrors(cudaMalloc((void **)&dinput, sizeof(float) * NUM_THREADS * 2));checkCudaErrors(cudaMalloc((void **)&doutput, sizeof(float) * NUM_BLOCKS));checkCudaErrors(cudaMalloc((void **)&dtimer, sizeof(clock_t) * NUM_BLOCKS * 2));// 将输入数据从主机复制到设备checkCudaErrors(cudaMemcpy(dinput, input, sizeof(float) * NUM_THREADS * 2,cudaMemcpyHostToDevice));// 启动核函数timedReduction<<<NUM_BLOCKS, NUM_THREADS, sizeof(float) * 2 * NUM_THREADS>>>(dinput, doutput, dtimer);// 将计时数据从设备复制回主机checkCudaErrors(cudaMemcpy(timer, dtimer, sizeof(clock_t) * NUM_BLOCKS * 2,cudaMemcpyDeviceToHost));// 释放分配的内存checkCudaErrors(cudaFree(dinput));checkCudaErrors(cudaFree(doutput));checkCudaErrors(cudaFree(dtimer));// 计算每个块的平均时钟周期数long double avgElapsedClocks = 0;for (int i = 0; i < NUM_BLOCKS; i++) {avgElapsedClocks += (long double)(timer[i + NUM_BLOCKS] - timer[i]);}avgElapsedClocks = avgElapsedClocks / NUM_BLOCKS;// 输出每个块的平均时钟周期数printf("Average clocks/block = %Lf\n", avgElapsedClocks);return EXIT_SUCCESS;
}

在这里插入图片描述

四、学习总结(共享内存的声明和使用):

在CUDA编程中,共享内存是一种特殊的内存类型,它是在块级别共享的。共享内存的主要优势在于其低延迟和高带宽,适合于需要快速访问和多次读写的数据。

4.1、例子

__global__ void reductionKernel(const float *input, float *output) {// 假设每个块的大小是 blockDim.x,即块内的线程数__shared__ float shared[256]; // 声明256个float类型的共享内存数组,大小在编译时确定int tid = threadIdx.x; // 线程在块内的索引int bid = blockIdx.x;  // 块的索引// 将数据从全局内存复制到共享内存shared[tid] = input[bid * blockDim.x + tid];__syncthreads(); // 确保所有线程都已经完成共享内存的数据复制// 归约操作以找到块内的最小值for (int stride = blockDim.x / 2; stride > 0; stride /= 2) {if (tid < stride) {shared[tid] = min(shared[tid], shared[tid + stride]);}__syncthreads(); // 确保所有线程完成本次循环的操作}// 将块内最小值写回全局内存if (tid == 0) {output[bid] = shared[0];}
}

4.2、数据从全局内存复制到共享内存:

shared[tid] = input[bid * blockDim.x + tid];

每个线程根据自己的 threadIdx.x 从全局输入数组 input 中读取数据,并将其存储在共享内存的 shared 数组中。bid * blockDim.x + tid 计算出每个线程在输入数组中的索引位置。

  • bid:表示当前线程所在的块的索引。在 CUDA 编程中,blockIdx.x 变量给出了当前线程块的全局索引。
  • blockDim.x:表示每个线程块中的线程数量。在 CUDA 中,blockDim.x 是一个内置变量,它给出了当前线程块的线程数量。

因此,bid * blockDim.x 就是当前块中的第一个线程在输入数组中的起始位置。这是因为每个线程块在处理输入数据时,通常会按照块大小分配数据段。例如,如果每个线程块有 blockDim.x = 256 个线程,则第一个线程块 (blockIdx.x = 0) 处理的输入数据范围是从索引 0 到 255。

  • tid:表示当前线程在其所属块中的索引。在 CUDA 编程中,threadIdx.x 变量给出了当前线程在其线程块中的局部索引。

因此,bid * blockDim.x + tid 就是当前线程在整个输入数组中的全局索引位置。每个线程根据其在块内的索引 tid 访问输入数组的对应元素,而 bid * blockDim.x 确定了当前块在输入数组中的起始位置。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/46514.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Spark项目通用开发框架

文章目录 1. 大数据项目结构2. 类说明2.1 公共接口类2.2 TaskNameEnum指定每个任务的名称2.3 TaskRunner中编写任务的业务逻辑 3. 任务执行脚本 每个公司内部都有一套自己的架子&#xff0c;一般新人来了就直接在已有的架子上开发业务。 以下仅仅作为记录下自己使用的架子&…

16_网络IPC1-套接字描述符

用户数据报协议(UDP) 与 传输控制协议(TCP) 文件描述符函数使用套接字的行为 禁止套接字IO

vue 自定义滚动条同步拖动(移动端)

实现效果&#xff0c;拖动左右箭头实现图片区域同步滚动&#xff0c;到边缘停止拖动。 HTML代码 <template><div touchstart"onClick"><!--使用draggable组件 图片列表区域--><draggablev-model"select_list"end"onEnd"cl…

[Windows] 无需PS基础也香 Inpaint v10.2高级便携版

描述 对于经常在互联网上进行操作的学生&#xff0c;白领等&#xff01; 一款好用的软件总是能得心应手&#xff0c;事半功倍。 今天给大家带了一款高科技软件 Inpaint v10.2高级便携版 无需额外付费&#xff0c;永久免费&#xff01; 亲测可运行&#xff01;&#xff01; 内容…

AV1 编码标准中帧内预测技术概述

AV1 编码标准帧内预测 AV1&#xff08;AOMedia Video 1&#xff09;是一种开源的视频编码格式&#xff0c;旨在提供比现有标准更高的压缩效率和更好的视频质量。在帧内预测方面&#xff0c;AV1相较于其前身VP9和其他编解码标准&#xff0c;如H.264/AVC和H.265/HEVC&#xff0c;…

EMR 集群时钟同步问题及解决方案An error occurred (InvalidSignatureException)

目录 1. 问题描述2. 问题原因3. 解决过程4. 时钟同步的重要性5. Linux 系统中的时钟同步方式6. 检查 Linux 系统时钟同步状态7. EMR 集群中的时钟同步配置8. 时钟同步对大数据组件的影响9. 监控和告警策略10. 故障排除和最佳实践11. 自动化时钟同步管理12. 时钟同步与数据一致性…

C++20中的constinit说明符

constinit说明符断言(assert)变量具有静态初始化&#xff0c;即零初始化和常量初始化(zero initialization and constant initialization)&#xff0c;否则程序格式不正确(program is ill-formed)。 constinit说明符声明具有静态或线程存储持续时间(thread storage duration)的…

机器人及其相关工科专业课程体系

机器人及其相关工科专业课程体系 前言传统工科专业机械工程自动化/控制工程计算机科学与技术 新兴工科专业智能制造人工智能机器人工程 总结Reference: 前言 机器人工程专业是一个多领域交叉的前沿学科&#xff0c;涉及自然科学、工程技术、社会科学、人文科学等相关学科的理论…

ozon俄罗斯ceo丨ozon平台数据分析选品神器

ozon俄罗斯ceo是玛依妮加文特。‌作为俄罗斯最大的电子商务公司Ozon Holdings的女首席执行官&#xff0c;‌玛依妮加文特被称为俄罗斯的杰夫贝索斯&#xff08;‌亚马逊CEO&#xff09;‌。‌她在公司中发挥着重要作用&#xff0c;‌不仅负责公司的日常运营和管理&#xff0c;‌…

修改表格颜色

el-table修改表头、列的背景颜色、字体样式_el-table-column背景颜色-CSDN博客 设置表头背景颜色&#xff0c;字体 <el-table :header-cell-style"rowClass" border :data"tableDataTwo" style"width: 100%"><el-table-column width&q…

2. 白盒测试

白盒测试 1. 白盒测试定义 测试软件的内部编码和基础设施&#xff0c;重点是根据预期和期望的输出检查预定义的输入。它基于应用程序的内部工作方式&#xff0c;并围绕内部结构测试。在这种类型的测试中&#xff0c;编程测试用例需要编程技巧。白盒测试的主要目标是通过软件关…

秒懂设计模式--学习笔记(9)【结构型-装饰器模式】

目录 8、装饰器模式8.1 装饰器模式&#xff08;Decorator&#xff09;8.2 装修&#xff08;举例&#xff09;8.3 化妆&#xff08;示例&#xff09;8.4 化妆品的多样化8.5 装饰器8.6 自由嵌套8.7 装饰器模式的各角色定义8.8 装饰器模式 8、装饰器模式 8.1 装饰器模式&#xff…

红色文化3D虚拟数字展馆搭建意义深远

在房地产与土地市场的浪潮中&#xff0c;无论是新城规划、乡村振兴&#xff0c;还是商圈建设&#xff0c;借助VR全景制作、虚拟现实和web3d开发技术打造的全链条无缝VR看房新体验。不仅极大提升了带看与成交的转化率&#xff0c;更让购房者足不出户&#xff0c;即可享受身临其境…

能把进程和线程讲的这么透彻的,没有20年功夫还真不行【0基础也能看懂】

本篇会加入个人的所谓鱼式疯言 ❤️❤️❤️鱼式疯言:❤️❤️❤️此疯言非彼疯言 而是理解过并总结出来通俗易懂的大白话, 小编会尽可能的在每个概念后插入鱼式疯言,帮助大家理解的. &#x1f92d;&#x1f92d;&#x1f92d;可能说的不是那么严谨.但小编初心是能让更多人…

SQL Server 创建用户并授权

创建用户前需要有一个数据库&#xff0c;创建数据库命令如下&#xff1a; CREATE DATABASE [数据库名称]; CREATE DATABASE database1; 一、创建登录用户 方式1&#xff1a;SQL命令 命令格式&#xff1a;CREATE LOGIN [用户名] WITH PASSWORD 密码; 例如&#xff0c;创建…

FlinkErr:org/apache/hadoop/hive/ql/parse/SemanticException

在flink项目中跑 上面这段代码出现如下这个异常&#xff0c; java.lang.NoClassDefFoundError: org/apache/thrift/TException 加上下面这个依赖后不报错 <dependency> <groupId>org.apache.thrift</groupId> <artifactId>libthrift</artifactId…

Python绘制相关系数热力图

相关系数热力图是一种可视化工具&#xff0c;用于展示变量之间的相关性。它在数据分析和统计中非常有用&#xff0c;尤其是在探索数据集的内在关系时。本文将介绍如何使用Python绘制相关系数热力图。 一、准备——导入库 使用Pandas来处理数据&#xff0c;Matplotlib和Seabor…

redis笔记2

redis是用c语言写的,放不频繁更新的数据&#xff08;用户数据。课程数据&#xff09; Redis 中&#xff0c;"穿透"通常指的是缓存穿透&#xff08;Cache Penetration&#xff09;问题&#xff0c;这是指一种恶意或非法请求直接绕过缓存层&#xff0c;直接访问数据库或…

Qt | 绘制椭圆、弧、弦、扇形、圆角矩形

点击上方"蓝字"关注我们 01、简介 1、需要使用到的 QPainter 类中的函数 2、绘制椭圆的方法有 绘制给定矩形的内接椭圆和根据中心点与椭圆 x 方向和 y 方向的半径绘制,原理见下图 3、绘制弧、弦、扇形的原理: 1)、弧是椭圆上的一段曲线,因此其绘制方法就是首先…

STM32之八:IIC通信协议

目录 1. IIC协议简介 1.1 主从模式 1.2 2根通信线 2. IIC协议时序 2.1 起始条件和终止条件 2.2 发送一个字节 2.3 接收一个字节 2.4 应答信号 1. IIC协议简介 IIC协议是一个半双工、同步、一主多从、多主多从的串行通用数据总线。该通信模式需要2根线&#xff1a;SCL、…