前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Udacity并行计算课程笔记-The GPU Programming Model

Udacity并行计算课程笔记-The GPU Programming Model

作者头像
marsggbo
发布2018-01-23 18:17:25
1.2K0
发布2018-01-23 18:17:25
举报
文章被收录于专栏:AutoML(自动机器学习)

一、传统的提高计算速度的方法

  • faster clocks (设置更快的时钟)
  • more work over per clock cycle(每个时钟周期做更多的工作)
  • more processors(更多处理器)

二、CPU & GPU

  • CPU更加侧重执行时间,做到延时小
  • GPU则侧重吞吐量,能够执行大量的计算

更形象的理解就是假如我们载一群人去北京,CPU就像那种敞篷跑车一样速度贼快,但是一次只能坐两个人,而GPU就像是大巴车一样,虽然可能速度不如跑车,但是一次能载超多人。

总结起来相比于CPU,GPU有如下特点:

  • 有很多计算单元,可以在一起执行大量的计算
  • 显示并行计算模型(explicitly parallel programming model),这个会在后面深度讨论
  • GPU是对吞吐量进行优化,而不是吞吐量

三、cuda登场

以前我们所写的代码都只能运行在CPU上,那么如果想运行在GPU上该怎么实现呢?

这时候就需要CUDA大大登场了!!!

cuda执行原理是CPU运行主程序,向GPU发送指示告诉它该做什么,那么系统就需要做如下的事情:

  • 1.把CPU内存中的数据转移到GPU的内存中
  • 2.将数据从GPU移回CPU (把数据从一个地方移到另一个地方命令为cudaMemcpy)
  • 3.在GPU上分配内存,在C语言中该命令是malloc,而在cuda中则是cudaMalloc
  • 4.在GPU上调用以并行方式计算的程序,这些程序叫做内核。

练习题:GPU可以做如下哪些事?

正确选项解释:

  • 选项2:回应CPU发来的请求,即对应上面的步骤2——将数据从GPU移回CPU
  • 选项4:回应CPU发来的请求,即对应上面的步骤1——把CPU内存中的数据转移到GPU的内存中
  • 选项5:计算由CPU调用的内核运算。

四、A CUDA Program

典型的GPU算法流程:

  • CPU在GPU上分配存储空间(cudaMalloc)
  • CPU将输入数据拷贝到GPU(cudaMemcpy)
  • CPU调用某些内核来监视这些在GPU上处理这个数据的内核(kernel launch)
  • CPU将GPU计算得到的结果复制回CPU(cudaMemcpy)

五、定义GPU计算

GPU能做的事是:

  • 有效的启动大量线程
  • 并行的运行上面启动的大量线程,而不是运行一个有很多并行工作的线程,也不是运行一个线程更加快速。

六、CPU&GPU计算原理区别

下面将计算数组[0,1,2……,63]每个元素平方来比较CPU和GPU计算原理的区别,以及具体代码实现。

CPU

代码语言:javascript
复制
for(i=0;i<64;i++){
    out[i] = in[i] * in[i];
}

该段代码在CPU中执行,只有一个线程,它会循环64次,每次迭代做一个计算。

GPU

实现代码:

代码语言:javascript
复制
#include <stdio.h>

__global__ void cube(float * d_out, float * d_in){
    // Todo: Fill in this function
}

int main(int argc, char ** argv) {
    const int ARRAY_SIZE = 64;
    const int ARRAY_BYTES = ARRAY_SIZE * sizeof(float);

    // generate the input array on the host
    float h_in[ARRAY_SIZE];
    for (int i = 0; i < ARRAY_SIZE; i++) {
        h_in[i] = float(i);
    }
    float h_out[ARRAY_SIZE];

    // declare GPU memory pointers
    float * d_in;
    float * d_out;

    // allocate GPU memory
    cudaMalloc((void**) &d_in, ARRAY_BYTES);
    cudaMalloc((void**) &d_out, ARRAY_BYTES);

    // transfer the array to the GPU
    cudaMemcpy(d_in, h_in, ARRAY_BYTES, cudaMemcpyHostToDevice);

    // launch the kernel
    cube<<<1, ARRAY_SIZE>>>(d_out, d_in);

    // copy back the result array to the CPU
    cudaMemcpy(h_out, d_out, ARRAY_BYTES, cudaMemcpyDeviceToHost);

    // print out the resulting array
    for (int i =0; i < ARRAY_SIZE; i++) {
        printf("%f", h_out[i]);
        printf(((i % 4) != 3) ? "\t" : "\n");
    }

    cudaFree(d_in);
    cudaFree(d_out);

    return 0;
}

代码拆解分析:

1.变量命名规则

在编写cuda代码时,需要遵守如下规则,这样可以避免犯不必要的错误。 CPU的变量以h_开头(host),而GPU的变量以d_开头(device)。

2.定义内核函数

代码语言:javascript
复制
__global__ void square(float *d_out, float *d_in){
    int idx = threadIdx.x;
    float f = d_in[idx];
    d_out[idx] = f * f;
}

通过 global 定义的函数可以让cuda知道这是一个内核函数。

函数第一行作用是通过内置的线程索引threadIdx获得当前线程的索引。另外threadIdx是c语言中的struct,它有3名成员,分别是 .x,.y,.z 。如果该线程是第一个线程,则threadIdx.x返回的值是0

3.数据转移cudaMemcpy

代码片段

代码语言:javascript
复制
// 将数据转移到GPU
cudaMemcpy(d_in, h_in, ARRAY_BYTES, cudaMemcpyHostToDevice);

// 调用内核
square<<<1, ARRAY_SIZE>>>(d_out, d_in);

// 将结果传回CPU
cudaMemcpy(h_out, d_out, ARRAY_BYTES, cudaMemcpyDeviceToHost);

注意下面函数的第三个参数direction有三种选项:

代码语言:javascript
复制
cudaMemcpy(destination, source, size, direction)

分别是:

  • cudaMemcpyHostToDevice
  • cudaMemcpyDeviceToHost
  • cudaMemcpyDeviceToDevice

4.调用内核 square<<<1, 64>>>

另外在解释一下如上函数各参数的含义:

第一个参数1表示需要分配的的数量为1, 第二个参数64表示每一块有64个线程。 所以假设我们需要1280个线程,我们就可以这样定义:

代码语言:javascript
复制
square<<<10,128>>>(param1, param2);

或者

代码语言:javascript
复制
square<<<5,256>>>(param1, param2);

BUT!!! 要注意不能像下面这样定义,因为一个块的线程数一般没那么大,一般只有1024.

代码语言:javascript
复制
square<<<1,1280>>>(param1, param2);

还需要知道的是上面介绍的两个参数其实可以是二维或者三维的,即 square<<<1,64>>> 等效为 square<<>> ,但是dim3(64,1,1)=dim3(64)=64。

例如我们有一个128*128的图片,现在需要对每一个像素进行计算,我们可以是 <<>>,也可以是<<>>

总结起来核函数的调用的完整形式是

代码语言:javascript
复制
kernel<<<dim3(bx,by,bz), dim3(tx,ty,tz), shmem>>>(...)

第一个参数表示网络块的维数(bx * by * bz), 第二个参数表示每块所含有的线程数(tx * ty * tz) 第三个参数一般默认为0,它是以字节表示的每个线程块分配的共享内存量

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017-09-26 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一、传统的提高计算速度的方法
  • 二、CPU & GPU
  • 三、cuda登场
  • 四、A CUDA Program
  • 五、定义GPU计算
  • 六、CPU&GPU计算原理区别
    • CPU
      • GPU
        • 1.变量命名规则
        • 2.定义内核函数
        • 3.数据转移cudaMemcpy
        • 4.调用内核 square<<<1, 64>>>
    相关产品与服务
    GPU 云服务器
    GPU 云服务器(Cloud GPU Service,GPU)是提供 GPU 算力的弹性计算服务,具有超强的并行计算能力,作为 IaaS 层的尖兵利器,服务于生成式AI,自动驾驶,深度学习训练、科学计算、图形图像处理、视频编解码等场景。腾讯云随时提供触手可得的算力,有效缓解您的计算压力,提升业务效率与竞争力。
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档