可以在通用 Windows 平台 (UWP) 应用中使用 C++ AMP (C++ Accelerated Massive Parallelism) 在 GPU(图形处理单元)或其他计算加速器上执行计算。 但是,C++ AMP 不提供用于直接处理 Windows 运行时类型的 API,并且 Windows 运行时不提供 C++ AMP 包装器。 当你在代码(包括你自己创建的代码)中使用Windows 运行时类型时,必须将它们转换为与 C++ AMP 兼容的类型。
性能注意事项
如果使用的是 Visual C++ 组件扩展 C++/CX 创建通用 Windows 平台 (UWP) 应用,建议将普通旧数据 (POD) 类型与连续存储(例如 std::vector 或 C 样式数组)一起用于将与 C++ AMP 结合使用的数据。 相较于使用非 POD 类型或 Windows 运行时容器,这样有助于获得更高性能,因为不必进行封送处理。
在 C++ AMP 内核中,若要访问以这种方式存储的数据,只需将 std::vector 或数组存储包装在 concurrency::array_view 中,然后在 concurrency::parallel_for_each 循环中使用数组视图:
// simple vector addition example
std::vector<int> data0(1024, 1);
std::vector<int> data1(1024, 2);
std::vector<int> data_out(data0.size(), 0);
concurrency::array_view<int, 1> av0(data0.size(), data0);
concurrency::array_view<int, 1> av1(data1.size(), data1);
concurrency::array_view<int, 1> av2(data_out.size(), data2);
av2.discard_data();
concurrency::parallel_for_each(av0.extent, [=](concurrency::index<1> idx) restrict(amp)
{
av2[idx] = av0[idx] + av1[idx];
});
排列 Windows 运行时类型
使用 Windows 运行时 API 时,最好对存储在 Windows 运行时容器(例如 Platform::Array<T>^)或复杂数据类型(例如通过使用 ref 关键字或 value 关键字声明的类或结构)中的数据使用 C++ AMP。 在这些情况下,必须执行额外的操作才能向 C++ AMP 提供数据。
Platform::Array<T>^
其中 T 是 POD 类型
当遇到 Platform::Array<T>^ 和 T 是 POD 类型时,只需使用 get 成员函数即可访问其基础存储:
Platform::Array<float>^ arr; // Assume that this was returned by a Windows Runtime API
concurrency::array_view<float, 1> av(arr->Length, &arr->get(0));
如果 T 不是 POD 类型,请使用以下部分中描述的技术将数据与 C++ AMP 配合使用。
Windows 运行时类型: 引用类和值类
C++ AMP 不支持复杂数据类型。 这包括非 POD 类型和使用 ref 关键字或 value 关键字声明的任何类型。 如果在 restrict(amp) 上下文中使用了不受支持的类型,就会生成编译时错误。
遇到不受支持的类型时,可以将其数据的所需部分复制到 concurrency::array 对象中。 除了让数据可供 C++ AMP 使用之外,这种手动复制的方法还能提高性能,因为可以最大限度扩大数据位置,并确保不会将不打算使用的数据复制到加速器。 可以使用暂存数组进一步提高性能,暂存数组是 concurrency::array 的一种特殊形式,它向 AMP 运行时提供一个提示:应该优化数组,以便在该数组和指定加速器上的其他数组之间频繁转换。
// pixel_color.h
ref class pixel_color sealed
{
public:
pixel_color(Platform::String^ color_name, int red, int green, int blue)
{
name = color_name;
r = red;
g = green;
b = blue;
}
property Platform::String^ name;
property int r;
property int g;
property int b;
};
// Some other file
std::vector<pixel_color^> pixels (256);
for (pixel_color ^pixel : pixels)
{
pixels.push_back(ref new pixel_color("blue", 0, 0, 255));
}
// Create the accelerators
auto cpuAccelerator = concurrency::accelerator(concurrency::accelerator::cpu_accelerator);
auto devAccelerator = concurrency::accelerator(concurrency::accelerator::default_accelerator);
// Create the staging arrays
concurrency::array<float, 1> red_vec(256, cpuAccelerator.default_view, devAccelerator.default_view);
concurrency::array<float, 1> blue_vec(256, cpuAccelerator.default_view, devAccelerator.default_view);
// Extract data from the complex array of structs into staging arrays.
concurrency::parallel_for(0, 256, [&](int i)
{
red_vec[i] = pixels[i]->r;
blue_vec[i] = pixels[i]->b;
});
// Array views are still used to copy data to the accelerator
concurrency::array_view<float, 1> av_red(red_vec);
concurrency::array_view<float, 1> av_blue(blue_vec);
// Change all pixels from blue to red.
concurrency::parallel_for_each(av_red.extent, [=](index<1> idx) restrict(amp)
{
av_red[idx] = 255;
av_blue[idx] = 0;
});