并行程序设计07CUDAProgramming.pptVIP

为了方便，我们场景中的物体全是球形物体 * Hit函数用来计算这个表面与ox，oy这条射线有没有相交，如果相交的话，交点的深度是多少，既交点到image的距离是多少。下面我们看一下没有使用contant memory的主程序 * Cuda event函数主要是用来计时的，cudaeventrecord函数里的0代表是是哪个cudastream，cudastream我们就不再讲了。还有cpubitmap结构，这是一个像素矩阵，我们直到这是一个二维矩阵就够了，这个不是cuda 定义的。从代码中可以看到，我们在cpu和gpu端分别定义了20个球体。For循环是对这20个球体进行初始化。 * 然后将初始化后的球体拷贝到gpu端。下面就是计算每个像素点与每个物体的交点了，kernel函数我们就不再展示了。我们看红色框里的内容也是用来计时的，它和前面的计时的相对应，我们把这个用法记住就行了。这是普通的写法，我们知道contant memory是用来存储常量的。那么程序里面哪些是不会改变的呢，球体这个数组，一旦我们初始化之后，球体数组就不再改变了。下面我们看一下怎么修改主程序，kernel函数不需要修改。 * 左边的是修改后的代码，右边是原来的代码，我们来看一下不同之处，我们在开头多了一个constant的声明，这表明这个球体数组存储在了constant memory上。并且constant memory必须声明维全局变量。Constant memory的初始化还和以前一样，当然了，为了更快的初始化，我们也可以在gpu上完成初始化。将constant memory拷贝到gpu上时，要用特殊的拷贝函数，用法和传统的cudamemcpy一样，只不过cudamemcpytosymbol不需要指明拷贝的方向，因为只能从cpu端拷贝到gpu端。其它的没有任何区别了，以上便是contant memory的用法了。 * * * 我们用一个heating model来说明如何利用texture memory * 不同的颜色代表不同的温度， * k是一个效率因子，代表有百分之多少的热量保存下来了，其余的都流失了。 * 第一步初始化时，热源的温度是一个随机的正数，其它的全是0. 第二步是为了保证热源的温度是不变的,所以每次都从constant grid中将热源的温度拷贝到input grid中。第三步是计算每个方格的温度。第四步将输入和输出矩阵交换。 整个过程最耗时的就是计算每个方格的温度。我们并行化的方法是每个线程处理一个方格。 我们先看一下如何在主函数中声明texture memory，然后再以step3为例看一下怎么用texture memory，Step1和step2，step4我们不再说了。 * 首先是声明texture memory，texture 是c++中的模板类，所以声明的时候要指明类型。这只是声明，定义了一个texture的引用，并没有分配空间，要想分配空间，我们首先用传统的cudamalloc分配空间，然后将指针和我们定义的引用利用cudabindtexture绑定在一起，这样才会再texture上开辟空间因为我们使用cudamalloc分配的内存，所以cudabindtexture的第一个参数是0或者NULL，具体原因我也不太清楚。向texture memory中传数据时和以前一样，也是用cudaMemcpy，在cudamemcpy里，我们还是使用用cudamalloc分配的指针，不用texture定义的引用（texConstSrc,texIn,texOut)，这些引用是在取数据时用到的。在这里我们要注意一下，我们使用cudabindtexture来绑定的，这个函数将cudamalloc分配的空间看作一个维数组，这就相当于我们的texture 引用绑定到了一个一维空间上。如果想要使用一个二维的texture， 我们在声明，绑定，取数据时都是要指定这是二维矩阵，关于二维的texture我们不再讲了，有兴趣的可以自己查一下。下面我们看一下怎么用texture memory * 第三步是计算每个方格的温度。texin和texout都是texture memory，这个函数里面访问数据的模式呢就符合txture memory的要求，首先计算出当前线程要计算的方格坐标，然后将二维坐标转换成一维坐标offset，然后计算出它的上下左右，这四个空间相邻的数据坐标。最后用tex1Dfetch, 从texture memory中取数据，最后计算此方格的温度。以上便是关于cuda的所有内容了。 * * * GPU的全局内存是GPU的主要的存储器，之所以是全局的，主要是因为GPU与CPU都可以对它进行写操作。任何设备都可以通过PCI-E总线对其进行访问。 全