使用各种方法加速大型矩阵运算的效率对比
并行程序设计这门课程的课程实验要求我分别使用串行, 并行+分块算法, 并行+分块+SSE指令集加速, CUDA等四种方法来计算矩阵乘法.
还真别说收获蛮大的.
我的配置是i5 3470+GTX660Ti
下面的表格是各种算法下的情况.
矩阵规模 | 串行 | 多线程+分块 | 多线程+分块+SSE | CUDA |
512 | 572.2(ms) | 169.7(ms) | 21.8(ms) | 351.5(ms) |
1024 | 11295.9(ms) | 1367.1(ms) | 134.5(ms) | 395.5(ms) |
2048 | 142193.0(ms) | 10445.7(ms) | 1118.3(ms) | 1051.4(ms) |
4096 | 1213014.6(ms) | 81608.3(ms) | 8737.2(ms) | 6197.3(ms) |
从图中明显可以看出, 这个分块之后cache利用效率大大提高,本来如果普通多线程相对于串行来说不过 4倍,但是这里速度达到了10倍多. 也就是说CPU Cache的合理利用非常有用.
SSE的加速效果就非常厉害了, 相对于分块又提高了10倍的速度.不过 SSE的浮点数运算准确度好低啊!!!!! 误差超级大. 但是矩阵的每个点误差又只有1点几. 但是每个点都有1点几, 结果矩阵的所有点的误差之和就看起来简直不堪入目.
CUDA的效果简直非常拔群. 而且时间还包括了传输数据到显卡的时间.
哦,说些闲话.
CUDA的设备变量的地址是分配在操作系统的kernel层的,直接访问会导致memory access violate错误.
比如
Matrix A{ int w;int h; float *d;}; Matrix * A; cudaMalloc((void**)&A,sizeof(Matrix)); A->w = 16; //这里会出错.!!!
还有,在运行CUDA程序时, Win 8 会有显卡超时设置,如果你的CUDA程序时间运行太久,显卡会失去响应,然后windows就自动对显卡重置. 你的屏幕右下角会出现说,显卡驱动已停止响应,自动恢复的错误. 你的CUDA程序会返回编号为30的UnkownError类型.
需要在注册表里 设置 关闭windows TDR 或者加长延时上限.
具体参考
http://stackoverflow.com/questions/13177214/disabling-tdr-for-cuda-in-windows-8
http://msdn.microsoft.com/en-us/Library/Windows/Hardware/ff569918(v=vs.85).aspx
代码地址 https://files.cnblogs.com/tlm1992/matrix_product.zip