C++ AMP 介绍(两)
C++ AMP 介绍(两)
最后更新:2014-05-02
读前提:《C++ AMP介绍(一个)》
周边环境:Windows 8.1 64bit英文版,Visual Studio 2013 Update1英文版,Nvidia QuadroK600 显卡
内容简单介绍
介绍C++ AMP的 array、array_view、extent类和平铺的知识。
正文
数据的移动
array和 array_view两个数据容器(模板类)用于把数据从执行时库(CPU)移到加速器(显卡或通用计算卡)上。array类在构造时建立数据的深拷贝。把数据拷贝到加速器(GPU)上,而array_view类是个包装类。只当核心函数(kernel function)要用到数据时。才把源数据拷贝到加速器上。
#include <amp.h> using namespace concurrency; //演示array类的使用方式 void test_array() { //測试数据 std::vector<int> data(5); for (int count = 0; count < 5; count++) { data[count] = count; } //构造array实例 array<int, 1> a(5, data.begin(), data.end()); parallel_for_each( a.extent, [=, &a](index<1> idx) restrict(amp) { a[idx] = a[idx] * 10; } ); //array实例a不须要调用同步方法 //可是须要赋值给data data = a; //输出0,10,20,30,40 for (int i = 0; i < 5; i++) { std::cout << data[i] << "\n"; } }
array_view同array之间差点儿有同样的成员,可是它们底层的行为不一样,所以当你建立两个指向同一个数据源的array_view实例时,实际上它们指向同一个内存地址。数据仅仅有当须要的时候才会被拷贝到加速器中。所以你得注意数据的同步,array_view类的主要优点是数据仅当要被加速器用到的时候才会被移动。
共享内存是能被CPU和GPU訪问的内存,array类能够控制共享内存的存取方式,可是首先我们须要測试加速器是不是支持共享内存,以下是array使用共享内存的演示样例代码。
int test_sharedMemory() { // 一台计算机中可能有多块加速器,取默认加速器 accelerator acc = accelerator(accelerator::default_accelerator); // 測试默认加速器是否支持共享内存 if (!acc.supports_cpu_shared_memory) { std::cout << "The default accelerator does not support shared memory" << std::endl; return 1; } // 设置cpu默认存取方式 acc.set_default_cpu_access_type(access_type_read_write); //为acc加速器建立accelerator_view(加速器视图)实例 //读写方式默觉得加速器default_cpu_access_type属性的设定 accelerator_view acc_v = acc.default_view; // extent指示array实例建立一个含10个元素的一维数组 extent<1> ex(10); // 指定加速器视图。输入数组在CPU上仅仅写 array<int, 1> arr_w(ex, acc_v, access_type_write); // 指定加速器视图。输出数组在CPU上仅仅读 array<int, 1> arr_r(ex, acc_v, access_type_read); // 指定加速器视图。能够在CPU上读写的数组 array<int, 1> arr_rw(ex, acc_v, access_type_read_write); return 0; }
index 类
index类指定元素在array或array_view对象中的位置,以下是index类的使用演示样例代码
void test_indexClass() { int aCPP[] = { 1, 2, 3, 4, 5, 6 }; //新建2维(两行三列)array_view包装器 array_view<int, 2> a(2, 3, aCPP); index<2> idx(1, 2); //输出6 std::cout << a[idx] << "\n"; }
extent类
尽管extent类在非常多场合下不是必要的,可是微软的部分演示样例代码使用到了extent class。所以有必要介绍下extent class。
extentclass用来指定array或array_view各个维度的元素数量,你能够使用extent class建立array或array_view对象,也能够从array或array_view对象中存取extent,以下的样例演示了extent class的使用。
void test_extentClass() { int aCPP[] = { 111, 112, 113, 114, 121, 122, 123, 124, 131, 132, 133, 134, 211, 212, 213, 214, 221, 222, 223, 224, 231, 232, 233, 234 }; extent<3> e(2, 3, 4); array_view<int, 3> a(e, aCPP); //断言extent[0],[1],[2]的属性分别为2、3、4 assert(2 == a.extent[0]); assert(3 == a.extent[1]); assert(4 == a.extent[2]); }
parallel_for_each函数
我们在上篇文章中调用过parallel_for_each函数,它有两个入口參数,第一个入口參数为计算域,是个extent或tiled_extent对象。定义了要在加速器上并发执行的线程集合。它会为每一个元素生成一根用于计算的线程。第二个參数是lambda表达式,定义了要在每根线程上执行的代码。
加速代码: 砖面(Tiles )和边界(Barriers)
将全体线程划分为若干个具有相等数量矩形(M*N根)线程集合,每一个集合称为tile(砖面)。多个tile(砖面)组成全体线程。叫做平铺(tiling)。
若要使用平铺,在parallel_for_each 方法中的计算域上调用 extent::tile 方法。并在 lambda 表达式中使用 tiled_index 对象。
以下是两张来自微软官网的砖面(tile)的组织图,能够看到怎样索引元素。
图中的idx是index类。sample是全局空间(array或array_view对象)
下图中的t_idx是index类,descriptions是全局空间(array或array_view对象)
以下这个来自微软官方的样例。每2*2=4根线程组成一个砖面(tile),计算砖面(tile)中元素的平均值。
void test_tile() { // 測试样本: int sampledata[] = { 2, 2, 9, 7, 1, 4, 4, 4, 8, 8, 3, 4, 1, 5, 1, 2, 5, 2, 6, 8, 3, 2, 7, 2 }; // The tiles(以下是6个砖面): // 2 2 9 7 1 4 // 4 4 8 8 3 4 // // 1 5 1 2 5 2 // 6 8 3 2 7 2 // averagedata用来存放运算结果: int averagedata[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, }; //每四个元素(四根线程)组成一个tile(砖面),所以共同拥有六个tile(砖面) array_view<int, 2> sample(4, 6, sampledata); array_view<int, 2> average(4, 6, averagedata); //通过[1]extent.tile取代extent[2]tiled_index取代index,启用平铺模式 parallel_for_each( // 把extent切分为以2*2为单位的tile(砖面) sample.extent.tile<2, 2>(), [=](tiled_index<2, 2> idx) restrict(amp) { //tile_statickeyword的变量范围是整个tile(砖面) //所以每一个tile(砖面)(2*2=4根线程)仅仅实例化一个tile_static tile_static int nums[2][2]; //tile(砖面)中的全部线程分别执行以下的代码 //把值拷贝到tile_static实例nums,所以同一个nums会被赋值2*2=4次 nums[idx.local[1]][idx.local[0]] = sample[idx.global]; //等待tile(砖面)中的全部线程,执行完上面这段代码 idx.barrier.wait(); //如今nums中的2*2=4个元素已经有有效值了 //tile(砖面)中的全部线程再次分别执行以下的代码 //计算平均值, int sum = nums[0][0] + nums[0][1] + nums[1][0] + nums[1][1]; //把计算结果拷贝到array_view对象中. average[idx.global] = sum / 4; } ); //打印运算结果 for (int i = 0; i < 4; i++) { for (int j = 0; j < 6; j++) { std::cout << average(i, j) << " "; } std::cout << "\n"; } // Output: // 3 3 8 8 3 3 // 3 3 8 8 3 3 // 5 5 2 2 4 4 // 5 5 2 2 4 4 }
使用平铺的优点是,从tile_static变量存取数据要比从全局空间(array和array_view对象)要快。
为了从平铺中得到性能优势,我们的算法必须把计算域拆分为tile(砖面)然后把数据放到tile_static变量中加快数据存取速度。
注意不要使用类似以下的代码来累加tile(砖面)中的数据,
tile_static float total;
total += matrix[t_idx];‘
原因[1]total的初始值是不确定的,所以第二句代码的运算没有意义。
原因[2]因为tile(砖面)中的多根线程竞争同一个title_static变量,计算结果会不确定。
内存屏障(MemoryFences)
在restrict(amp)限定中,有两种内存必需要同步:
全局内存:array或array_view实例
tile_static内存:tile(砖面)内存
内存屏障确保两种内存的线程同步,要调用内存屏障能够使用以下三种方法:
tile_barrier::wait(或tile_barrier::wait_with_all_memory_fence)方法: 建立全局内存和tile_static内存的屏障。
tile_barrier::wait_with_global_memory_fence方法 : 仅建立全局内存的屏障
tile_barrier::wait_with_tile_static_memory_fence 方法 :仅建立tile_static内存的屏障
调用特定类型的屏障(fence)能够提高你应用的性能,在以下的样例中 tile_barrier::wait_with_tile_static_memory_fence 方法的调用取代tile_barrier::wait方法的调用提高了应用的性能。
// 使用tile_static内存屏障 parallel_for_each(matrix.extent.tile<SAMPLESIZE, SAMPLESIZE>(), [=, &averages](tiled_index<SAMPLESIZE, SAMPLESIZE> t_idx) restrict(amp) { // 把数据从全局内存中拷贝到title_static内存中. tile_static floattileValues[SAMPLESIZE][SAMPLESIZE]; tileValues[t_idx.local[0]][t_idx.local[1]] = matrix[t_idx]; // 等待title_static内存中的数据复制完成 t_idx.barrier.wait_with_tile_static_memory_fence(); // 假设你移除if语句。代码会把被tile(砖面)中的全部线程调用。这样每一个 // tile(砖面)中的元素都会被分配一个相同的平均值. if (t_idx.local[0] == 0&& t_idx.local[1] == 0) { for (int trow = 0; trow <SAMPLESIZE; trow++) { for (int tcol = 0; tcol< SAMPLESIZE; tcol++) { averages(t_idx.tile[0],t_idx.tile[1]) += tileValues[trow][tcol]; } } averages(t_idx.tile[0],t_idx.tile[1]) /= (float) (SAMPLESIZE *SAMPLESIZE); } });
restrict(amp)修饰的代码段是在加速器(GPU)上执行的。默认在里面的代码段。下断点不会Break(进入)。在[Solution Explorer]窗体中点击项目名称。快捷键[Alt]+[Enter],打开当前项目属性页,[Configuration Properties]->[Debugging]->[Debugger Type]默觉得“Auto”。改为“GPU Only”就能够Debug当前项目加速器(GPU)上执行的代码了。
据官网介绍。无符号整数的处理速度要比带符号整数快。所以尽量用无符号整数吧。
參考资料
《Using Tiles》
http://msdn.microsoft.com/en-us/library/vstudio/hh873135.aspx
《使用平铺》
http://msdn.microsoft.com/zh-cn/library/vstudio/hh873135.aspx
版权声明:本文博客原创文章,博客,未经同意,不得转载。