CUDA: 共享存储器实现矩阵相乘

共享存储器使用__shared__限定词分配。

  相关阅读:

       CUDA编程接口:运行初始化与设备存储器

  CUDA编程接口:使用nvcc编译器的兼容性

  CUDA编程接口:如何用nvcc编译CUDA程序

  CUDA编程模型:存储器层次和异构编程

  CUDA编程模型:内核与线程层次概述

  正如在前面的文章提到的,共享存储器应当比全局存储器更快,详细内容将在后续文章中介绍。任何用访问共享存储器取代访问全局存储器的机会应当被发掘,如下面的矩阵相乘例子展示的那样。 下面的代码是矩阵相乘的一个直接的实现,没有利用到共享存储器。每个线程读入A的一行和B的一列,然后计算C中对应的元素,如图1所示。这样,A读了B.width次,B读了A.height次。

#include<stdio.h> #include<cutil.h> #include<cuda_runtime.h>

#pragma comment(lib, "cudart.lib") #pragma comment(lib, "cutil32.lib")

bool InitCUDA(void) {  int count = 0;  int i = 0;

 cudaGetDeviceCount(&count);  if(count == 0)  {   fprintf(stderr, "There is no device.\n");   return false;  }

 for(i = 0; i < count; i++)  {   cudaDeviceProp prop;   if(cudaGetDeviceProperties(&prop, i) == cudaSuccess)   {    if(prop.major >= 1)    {     break;    }   }  }  if(i == count)  {   fprintf(stderr, "There is no device supporting CUDA.\n");   return false;  }  cudaSetDevice(i);

 printf("CUDA initialized.\n");  return true;  } /// #define THREAD_NUM 256

#define MATRIX_SIZE 100 //方阵阶

float a[MATRIX_SIZE][MATRIX_SIZE], b[MATRIX_SIZE][MATRIX_SIZE], c[MATRIX_SIZE][MATRIX_SIZE];

void Random_Number(float source[][MATRIX_SIZE]) {  for(int i = 0; i < MATRIX_SIZE; i++)  {   for(int j = 0; j < MATRIX_SIZE; j++)   {    source[i][j] = float(rand() % 10) / 10;   }  } }

__global__ static void Matrix_Mul(const float* source1, const float* source2, float* result) {  const int tid = threadIdx.x;  const int bid = blockIdx.x;  const int id = bid * blockDim.x + tid;  const int row = id / MATRIX_SIZE;  const int col = id % MATRIX_SIZE;

 if(row < MATRIX_SIZE && col < MATRIX_SIZE)  {   float t = 0;   for(int i = 0; i < MATRIX_SIZE; i++)   {    t += source1[row * MATRIX_SIZE + i] * source2[i * MATRIX_SIZE + col];   }   result[row * MATRIX_SIZE + col] = t;  } }

int main(int argc,char* argv[]) {  InitCUDA();//初始化CUDA

 float *ac, *bc, *cc;  size_t lda, ldb, ldc;

 srand(0);

 Random_Number(a);  Random_Number(b);

 unsigned int timer = 0;  CUT_SAFE_CALL( cutCreateTimer(&timer));  CUT_SAFE_CALL( cutStartTimer(timer));//define in cutil.h  //到显存中申请空间,其中lda,ldb,ldc为显存中的行间距  cudaMallocPitch((void**)&ac, &lda, sizeof(float) * MATRIX_SIZE, MATRIX_SIZE);  cudaMallocPitch((void**)&bc, &ldb, sizeof(float) * MATRIX_SIZE, MATRIX_SIZE);  cudaMallocPitch((void**)&cc, &ldc, sizeof(float) * MATRIX_SIZE, MATRIX_SIZE);  //复制内存元素到显存  cudaMemcpy2D(ac, lda, a, sizeof(float) * MATRIX_SIZE, sizeof(float) * MATRIX_SIZE, MATRIX_SIZE, cudaMemcpyHostToDevice);  cudaMemcpy2D(bc, ldb, b, sizeof(float) * MATRIX_SIZE, sizeof(float) * MATRIX_SIZE, MATRIX_SIZE, cudaMemcpyHostToDevice);

 int BLOCK_NUM = (MATRIX_SIZE + THREAD_NUM - 1) / THREAD_NUM;

 Matrix_Mul<<<BLOCK_NUM * MATRIX_SIZE, THREAD_NUM, 0>>>(ac, bc, cc);  //把处理结果从显存中取出,其中c对应sizeof(float)*MATRIX_SIZE,cc对应ldc  cudaMemcpy2D(c, sizeof(float) * MATRIX_SIZE, cc, ldc, sizeof(float) * MATRIX_SIZE, MATRIX_SIZE, cudaMemcpyDeviceToHost);

 cutStopTimer(timer);

 printf("Processing time: %f (ms)\n", cutGetTimerValue(timer));

 for(int j = 0; j < MATRIX_SIZE; j++)  {   float temp = 0;   for(int i = 0; i < MATRIX_SIZE; i++)   {    temp += a[0][i] * b[i][j];   }

  printf ("CPU:c[0][%d]=%f\n", j, temp);   printf ("GPU:c[0][%d]=%f\n", j, c[0][j]);  }

 system("PAUSE");

 return 0; }

   CUDA编程接口:共享存储器实现矩阵相乘

  ▲图1 没有使用共享存储器的矩阵相乘

  下面的例子代码利用了共享存储器实现矩阵相乘。本实现中,每个线程块负责计算一个小方阵Csub,Csub是C的一部分,而块内的每个线程计算Csub的一个元素。如图2所示。Csub等于两个长方形矩阵的乘积:A的子矩阵尺寸是(A.width,block_size),行索引与Csub相同,B的子矩阵的尺寸是(block_size,A.width),列索引与Csub相同。为了满足设备的资源,两个长方形的子矩阵分割为尺寸为block_size的方阵,Csub是这些方阵积的和。每次乘法的计算是这样的,首先从全局存储器中将二个对应的方阵载入共享存储器中,载入的方式是一个线程载入一个矩阵元素,然后一个线程计算乘积的一个元素。每个线程积累每次乘法的结果并写入寄存器中,结束后,再写入全局存储器。

  采用这种将计算分块的方式,利用了快速的共享存储器,节约了许多全局存储器带宽,因为在全局存储器中,A只被读了(B.width/block_size)次同时B读了(A.height/block_size)次。

  前面代码中的Matrix 类型增加了一个stride域,这样子矩阵能够用同样的类型有效表示。__device__函数(相关阅读的文章中提及)用于读写元素和从矩阵中建立子矩阵。

#define BLOCK_SIZE 16
// Matrices are stored in row-major order:
// M(row, col) = *(M.elements + row * M.stride + col)
typedef struct {
	int width;
	int height; int stride;
	float* elements;
}
Matrix; 
// Get a matrix element 
__device__ float GetElement(const Matrix A, int row, int col)
{ 
	return A.elements[row * A.stride + col];
} 
// Set a matrix element 
__device__ void SetElement(Matrix A, int row, int col, float value)
{
	A.elements[row * A.stride + col] = value;
} 
// Get the BLOCK_SIZExBLOCK_SIZE sub-matrix Asub of A that is
// located col sub-matrices to the right and row sub-matrices down 
// from the upper-left corner of A 
__device__ Matrix GetSubMatrix(Matrix A, int row, int col) {
	Matrix Asub;
	Asub.width = BLOCK_SIZE; 
	Asub.height = BLOCK_SIZE;
	Asub.stride = A.stride;
	Asub.elements = &A.elements[A.stride * BLOCK_SIZE * row + BLOCK_SIZE * col];
	return Asub;
} 
// Thread block size #define BLOCK_SIZE 16 
// Forward declaration of the matrix multiplication kernel 
__global__ void MatMulKernel(const Matrix, const Matrix, Matrix); 
// Matrix multiplication - Host code 
// Matrix dimensions are assumed to be multiples of BLOCK_SIZE
void MatMul(const Matrix A, const Matrix B, Matrix C) 
{
	// Load A and B to device memory 
	Matrix d_A; 
	d_A.width = d_A.stride = A.width;
	d_A.height = A.height;
	size_t size = A.width * A.height * sizeof(float);
	cudaMalloc((void**)&d_A.elements, size);
	cudaMemcpy(d_A.elements, A.elements, size, cudaMemcpyHostToDevice);
	Matrix d_B;
	d_B.width = d_B.stride = B.width;
	d_B.height = B.height;
	size = B.width * B.height * sizeof(float);   
	cudaMalloc((void**)&d_B.elements, size);
	cudaMemcpy(d_B.elements, B.elements, size,cudaMemcpyHostToDevice);
	// Allocate C in device memory 
	Matrix d_C;
	d_C.width = d_C.stride = C.width;
	d_C.height = C.height;
	size = C.width * C.height * sizeof(float);
	cudaMalloc((void**)&d_C.elements, size);
	// Invoke kernel 
	dim3 dimBlock(BLOCK_SIZE, BLOCK_SIZE);
	dim3 dimGrid(B.width / dimBlock.x, A.height / dimBlock.y);
	MatMulKernel<<<dimGrid, dimBlock>>>(d_A, d_B, d_C);
	// Read C from device memory 
	cudaMemcpy(C.elements, d_C.elements, size, cudaMemcpyDeviceToHost);
	// Free device memory 
	cudaFree(d_A.elements); 
	cudaFree(d_B.elements);
	cudaFree(d_C.elements);
}
// Matrix multiplication kernel called by MatMul() 
__global__ void MatMulKernel(Matrix A, Matrix B, Matrix C) {
	// Block row and column 
	int blockRow = blockIdx.y;
	int blockCol = blockIdx.x;
	// Each thread block computes one sub-matrix Csub of C
	Matrix Csub = GetSubMatrix(C, blockRow, blockCol);
	// Each thread computes one element of Csub 
	// by accumulating results into Cvalue
	float Cvalue = 0;
	// Thread row and column within Csub
	int row = threadIdx.y;
	int col = threadIdx.x;
	// Loop over all the sub-matrices of A and B that are
	// required to compute Csub
	// Multiply each pair of sub-matrices together
	// and accumulate the results
	for (int m = 0; m < (A.width / BLOCK_SIZE); ++m)
	{
		// Get sub-matrix Asub of A
		Matrix Asub = GetSubMatrix(A, blockRow, m);
		// Get sub-matrix Bsub of B 
		Matrix Bsub = GetSubMatrix(B, m, blockCol);
		// Shared memory used to store Asub and Bsub respectively
		__shared__ float As[BLOCK_SIZE][BLOCK_SIZE];
		__shared__ float Bs[BLOCK_SIZE][BLOCK_SIZE];
		// Load Asub and Bsub from device memory to shared memory
		// Each thread loads one element of each sub-matrix
		As[row][col] = GetElement(Asub, row, col);
		Bs[row][col] = GetElement(Bsub, row, col);
		// Synchronize to make sure the sub-matrices are loaded
		// before starting the computation 
		__syncthreads();
		// Multiply Asub and Bsub together
		for (int e = 0; e < BLOCK_SIZE; ++e)
			Cvalue += As[row][e] * Bs[e][col];
		// Synchronize to make sure that the preceding
		// computation is done before loading two new
		// sub-matrices of A and B in the next iteration
		__syncthreads(); }
	// Write Csub to device memory
	// Each thread writes one element
	SetElement(Csub, row, col, Cvalue); 
}

  CUDA编程接口:共享存储器实现矩阵相乘

  ▲图2 使用共享存储器的矩阵相乘

http://cuda.it168.com/a2011/1207/1285/000001285186.shtml


  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
提供的源码资源涵盖了Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 适合毕业设计、课程设计作业。这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。 所有源码均经过严格测试,可以直接运行,可以放心下载使用。有任何使用问题欢迎随时与博主沟通,第一时间进行解答!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值