GPU高性能计算CUDA编程：Vflip()和MTFlipV()的比较

GPU高性能计算CUDA编程：Vflip()和MTFlipV()的比较

声明：本文不做商用

Vflip()核函数中的代码与代码2.7中该函数的CPU版本，即MTFlipV()的相应步骤类似。MTFIipV()函数也有这三个步骤，但每个步骤的代码都不相同，如下所示:
1.我是谁?确定线程ID对于CPU线程来说并不是什么大事，只需要一行代码，如下所示。因为线程ID(tid)不是由硬件生成的，相反，它来自main()中使用的for循环，如下所示:

for(i=0;i < NumThreads; i++){
    ThParam[i] = i;
    ThErr = pthread_create(&ThHandle[i], &ThAttr, MTFlipFunc, (void *)&ThParam[i]);
    if(ThErr != 0){
        ...
        exit(EXIT_FAILURE);
    }
}

&ThHandle[i]在线程函数中被替换为tid，如下所示:

void *MTFlipV(void* tid)
{
    long ts = *((int *)tid);  //在这儿存放我的线程ID
}

2.我的任务是什么?确定起始和终止索引对于CPU代码来说也非常容易。参见【0voice C++】它只是用一个更好的公式来计算该线程负责的图像部分，如下所示:

ts *= ip.Hbytes/ NumThreads;                // 起始索引
long te = ts + ip.Hbytes / NumThreads - 1;  // 终止索引

3.执行……但是，执行部分的代码要长很多，如下所示:

for(col = ts; col <= te; col += 3){
    row = 0;
    while(row<ip.Vpixels/2){
        pix.B= TheImage[row][col];
        ...
        TheImage[ip.Vpixels-(row+1)][col+2] = pix.R;
        row++;
    }
}
pthread exit(NULL);

让我们来比较Vflip()和MTFipV():
口当对两者进行比较时，会发现它们的工作有较大的变化。这没有什么令人吃惊的。在CPU的情况下，我们谈论的是8至16个线程，而在GPU的情况下，我们谈论的是数千万个线程。当你有这么多的线程，并且维度尺寸也有所增加时，索引的计算当然会变得复杂。
口在GPU中，花费在确定线程ID(步骤1)和确定完成工作所需的各索引值(步骤2)上的时间占据了实际执行工作所需时间(步骤3)的大部分。
口在CPU中，前两个步骤所需的时间是微不足道的，实际工作时间占据了整个执行时间的大部分。因为当你有数千万个线程时，“线程索引管理”最终会花费很多时间。

口在GPU代码中我们看不到for循环，而CPU代码需要两个嵌套的for循环。

因此，总结一下，尽管管理线程索引最终成为GPU代码中的一项任务，但我们可以免费获得硬件管理的索引，从而可以减轻大部分的负担。