GLSL层卷积

前面一次GLSL计算只能完成了一个卷积，应该可以加速。
 

先了解下网络卷积层的过程：

如果输入30个图（通道）要输出12个图（通道）的话，

1。分别对30图卷积，结果相加得到1图
2。重复12次这个过程，得到12图（共 30 X 12  = 360 个卷积）

相当于： 一个月30日，12个月（年）360日。

一个纹理可以完成一个卷积。多个纹理就可以完成多个卷积。

先检测 显卡支持纹理单元个数

	//检查显卡支持纹理单元个数
	GLint iUnits;
    glGetIntegerv(GL_MAX_TEXTURE_UNITS,&iUnits);
	printf("显卡支持纹理单元个数：%d\n\n",iUnits);

我的笔记本只有8个可用，有点少。

这次接口以层为单位：

//初始化
// main的参数 和 层高，宽
void conv_init(int argc, char* argv[],int h,int w);
 
//层卷积
//核数据，核宽，输入维度，输出维度，偏置数据，输入数据，输出数据，是否激活
//核大小：kw * kw * 输入维度 * 输出维度。
//输入数据大小：wh * 输入维度。 输出数据大小：wh * 输出维度。
void conv_GLSL_层(float* kernel,int kw,int inNum,int outNum,float *bias,float *inData, float * &outData,bool active=true);

用于SRCNN 是这样的：

void SRCNN(int argc, char* argv[],IMAGE *jpg,int up_scale)
{
	// 先将低分辨率图像使用双三次插值放大至目标尺寸（如放大至2倍、3倍、4倍）
	 IMAGE im_h=*jpg;
	//双三次放大
	 ResizeGrayscaleImage(&im_h,up_scale ) ;


	SRCNN模型 sr;
	// 加载 CNN 模型参数
	loadModel(&sr);

	int wid=im_h.getwidth();
	int hei=im_h.getheight();
	int wh=wid*hei;

	//初始化GLSL
	conv_init(argc,  argv,hei, wid);



	//图像转化为卷积矩阵
	卷积矩阵 im_b(wid,hei);//即Y通道
	卷积矩阵 U(wid,hei),V(wid,hei);

	//RGB转换为YUV
	RGB2YUV(&im_h,&im_b,&U,&V);


	// 第一层卷积：卷积核尺寸9×9，卷积核数目64，输出64张特征图；
	cout<<"第一层卷积..."<<endl;
 			
	float * _res ;//引用 
	conv_GLSL_层(sr.权重_conv1_数据,9,1,64,sr.偏移_conv1_数据,&im_b.data[0], _res,true);

	// 第二层卷积：卷积核尺寸1×1，卷积核数目64x32，输出32张特征图；
	cout<<"第二层卷积..."<<endl;

	float *_res2;
		
	conv_GLSL_层(sr.权重_conv2_数据,1,64,32,sr.偏移_conv2_数据,_res, _res2);


	//删除第一层数据
	delete []_res;  _res=NULL; 

	// 第三层卷积：卷积核尺寸5×5，卷积核数目32，输出1张特征图即为最终重建高分辨率图像。
	cout<<"第三层卷积..."<<endl;
	卷积矩阵 conv3_data (wid,hei);
	
	float *out;
	conv_GLSL_层(sr.权重_conv3_数据,5,32,1,NULL,_res2, out, false);
	memcpy(&conv3_data.data[0], out, wh*sizeof(float));

	cout<<"卷积完成"<<endl;

	//彩色

	//YUV转回RGB
	YUV2RGB(&conv3_data,&U,& V,&im_h);

	 saveimage("SRCNN 重建.jpg",	&im_h);
}

这个看上去就比较简约了。

这里已经没有“转换卷积核”了，我已一次性转好。

片元着色器（一次完成8个卷积，加偏置也在其中&#x