以下CUDA sample是分别用C++和CUDA实现的通过均值和标准差对图像进行类似归一化的操作,并对其中使用到的CUDA函数进行了解说,各个文件内容如下:
关于均值和标准差的计算公式可参考: http://blog.csdn.net/fengbingchun/article/details/73323475
funset.cpp:
-
#include "funset.hpp"
-
#include <random>
-
#include <iostream>
-
#include <vector>
-
#include <memory>
-
#include <string>
-
#include <algorithm>
-
#include "common.hpp"
-
#include <opencv2/opencv.hpp>
-
int test_image_normalize()
-
{
-
std::string image_name{ "E:/GitCode/CUDA_Test/test_images/lena.png" };
-
cv::Mat matSrc = cv::imread(image_name);
-
if (!matSrc.data) {
-
fprintf(stderr, "read image fail: %s\n", image_name.c_str());
-
return -1;
-
}
-
const int width{ 511 }, height{ 473 }, channels{ 3 };
-
cv::resize(matSrc, matSrc, cv::Size(width, height));
-
matSrc.convertTo(matSrc, CV_32FC3);
-
std::vector<cv::Mat> matSplit;
-
cv::split(matSrc, matSplit);
-
CHECK(matSplit.size() == channels);
-
std::unique_ptr<float[]> data(new float[matSplit[0].cols * matSplit[0].rows * channels]);
-
size_t length{ matSplit[0].cols * matSplit[0].rows * sizeof(float) };
-
for (int i = 0; i < channels; ++i) {
-
memcpy(data.get() + matSplit[0].cols * matSplit[0].rows * i, matSplit[i].data, length);
-
}
-
float elapsed_time1{ 0.f }, elapsed_time2{ 0.f }; // milliseconds
-
std::unique_ptr<float[]> dst1(new float[matSplit[0].cols * matSplit[0].rows * channels]);
-
std::unique_ptr<float[]> dst2(new float[matSplit[0].cols * matSplit[0].rows * channels]);
-
int ret = image_normalize_cpu(data.get(), dst1.get(), width, height, channels, &elapsed_time1);
-
if (ret != 0) PRINT_ERROR_INFO(image_normalize_cpu);
-
ret = image_normalize_gpu(data.get(), dst2.get(), width, height, channels, &elapsed_time2);
-
if (ret != 0) PRINT_ERROR_INFO(image_normalize_gpu);
-
int count{ 0 }, num{ width * height * channels };
-
for (int i = 0; i < num; ++i) {
-
if (fabs(dst1[i] - dst2[i]) > 0.01/*EPS_*/) {
-
fprintf(stderr, "index: %d, val1: %f, val2: %f\n", i, dst1[i], dst2[i]);
-
++count;
-
}
-
if (count > 100) return -1;
-
}
-
std::vector<cv::Mat> merge(channels);
-
for (int i = 0; i < channels; ++i) {
-
merge[i] = cv::Mat(height, width, CV_32FC1, dst2.get() + i * width * height);
-
}
-
cv::Mat dst3;
-
cv::merge(merge, dst3);
-
dst3.convertTo(dst3, CV_8UC3, 255.f);
-
cv::imwrite("E:/GitCode/CUDA_Test/test_images/image_normalize.png", dst3);
-
//cv::resize(matSrc, matSrc, cv::Size(width, height));
-
//cv::imwrite("E:/GitCode/CUDA_Test/test_images/image_src.png", matSrc);
-
fprintf(stderr, "test image normalize: cpu run time: %f ms, gpu run time: %f ms\n", elapsed_time1, elapsed_time2);
-
return 0;
-
}
image_normalize.cpp:
-
#include "funset.hpp"
-
#include <vector>
-
#include <chrono>
-
#include "common.hpp"
-
int image_normalize_cpu(const float* src, float* dst, int width, int height, int channels, float* elapsed_time)
-
{
-
auto start = std::chrono::steady_clock::now();
-
const int offset{ width * height };
-
for (int i = 0; i < channels; ++i) {
-
const float* p1 = src + offset * i;
-
float* p2 = dst + offset * i;
-
float mean{ 0.f }, sd{ 0.f };
-
for (int t = 0; t < offset; ++t) {
-
mean += p1[t];
-
sd += pow(p1[t], 2.f);
-
p2[t] = p1[t];
-
}
-
mean /= offset;
-
sd /= offset;
-
sd -= pow(mean, 2.f);
-
sd = sqrt(sd);
-
if (sd < EPS_) sd = 1.f;
-
for (int t = 0; t < offset; ++t) {
-
p2[t] = (p1[t] - mean) / sd;
-
}
-
}
-
auto end = std::chrono::steady_clock::now();
-
auto duration = std::chrono::duration_cast<std::chrono::nanoseconds>(end - start);
-
*elapsed_time = duration.count() * 1.0e-6;
-
return 0;
-
}
image_normalize.cu:
-
#include "funset.hpp"
-
#include <iostream>
-
#include <memory>
-
#include <algorithm>
-
#include <cmath>
-
#include <cuda_runtime.h> // For the CUDA runtime routines (prefixed with "cuda_")
-
#include <device_launch_parameters.h>
-
#include "common.hpp"
-
/* __global__: 函数类型限定符;在设备上运行;在主机端调用,计算能力3.2及以上可以在
-
设备端调用;声明的函数的返回值必须是void类型;对此类型函数的调用是异步的,即在
-
设备完全完成它的运行之前就返回了;对此类型函数的调用必须指定执行配置,即用于在
-
设备上执行函数时的grid和block的维度,以及相关的流(即插入<<< >>>运算符);
-
a kernel,表示此函数为内核函数(运行在GPU上的CUDA并行计算函数称为kernel(内核函
-
数),内核函数必须通过__global__函数类型限定符定义);*/
-
__global__ static void image_normalize(const float* src, float* dst, int count, int offset)
-
{
-
/* gridDim: 内置变量,用于描述线程网格的维度,对于所有线程块来说,这个
-
变量是一个常数,用来保存线程格每一维的大小,即每个线程格中线程块的数量.
-
一个grid最多只有二维,为dim3类型;
-
blockDim: 内置变量,用于说明每个block的维度与尺寸.为dim3类型,包含
-
了block在三个维度上的尺寸信息;对于所有线程块来说,这个变量是一个常数,
-
保存的是线程块中每一维的线程数量;
-
blockIdx: 内置变量,变量中包含的值就是当前执行设备代码的线程块的索引;用
-
于说明当前thread所在的block在整个grid中的位置,blockIdx.x取值范围是
-
[0,gridDim.x-1],blockIdx.y取值范围是[0, gridDim.y-1].为uint3类型,
-
包含了一个block在grid中各个维度上的索引信息;
-
threadIdx: 内置变量,变量中包含的值就是当前执行设备代码的线程索引;用于
-
说明当前thread在block中的位置;如果线程是一维的可获取threadIdx.x,如果
-
是二维的还可获取threadIdx.y,如果是三维的还可获取threadIdx.z;为uint3类
-
型,包含了一个thread在block中各个维度的索引信息 */
-
int index = threadIdx.x + blockIdx.x * blockDim.x;
-
if (index > count - 1) return;
-
const float* input = src + index * offset;
-
float* output = dst + index * offset;
-
float mean{ 0.f }, sd{ 0.f };
-
for (size_t i = 0; i < offset; ++i) {
-
mean += input[i];
-
sd += pow(input[i], 2.f);
-
output[i] = input[i];
-
}
-
mean /= offset;
-
sd /= offset;
-
sd -= pow(mean, 2.f);
-
sd = sqrt(sd);
-
if (sd < EPS_) sd = 1.f;
-
for (size_t i = 0; i < offset; ++i) {
-
output[i] = (input[i] - mean) / sd;
-
}
-
}
-
int image_normalize_gpu(const float* src, float* dst, int width, int height, int channels, float* elapsed_time)
-
{
-
/* cudaEvent_t: CUDA event types,结构体类型, CUDA事件,用于测量GPU在某
-
个任务上花费的时间,CUDA中的事件本质上是一个GPU时间戳,由于CUDA事件是在
-
GPU上实现的,因此它们不适于对同时包含设备代码和主机代码的混合代码计时 */
-
cudaEvent_t start, stop;
-
// cudaEventCreate: 创建一个事件对象,异步启动
-
cudaEventCreate(&start);
-
cudaEventCreate(&stop);
-
// cudaEventRecord: 记录一个事件,异步启动,start记录起始时间
-
cudaEventRecord(start, 0);
-
float *dev_src{ nullptr }, *dev_dst{ nullptr };
-
size_t length{ width * height * channels * sizeof(float) };
-
// cudaMalloc: 在设备端分配内存
-
cudaMalloc(&dev_src, length);
-
cudaMalloc(&dev_dst, length);
-
/* cudaMemcpy: 在主机端和设备端拷贝数据,此函数第四个参数仅能是下面之一:
-
(1). cudaMemcpyHostToHost: 拷贝数据从主机端到主机端
-
(2). cudaMemcpyHostToDevice: 拷贝数据从主机端到设备端
-
(3). cudaMemcpyDeviceToHost: 拷贝数据从设备端到主机端
-
(4). cudaMemcpyDeviceToDevice: 拷贝数据从设备端到设备端
-
(5). cudaMemcpyDefault: 从指针值自动推断拷贝数据方向,需要支持
-
统一虚拟寻址(CUDA6.0及以上版本)
-
cudaMemcpy函数对于主机是同步的 */
-
cudaMemcpy(dev_src, src, length, cudaMemcpyHostToDevice);
-
/* <<< >>>: 为CUDA引入的运算符,指定线程网格和线程块维度等,传递执行参
-
数给CUDA编译器和运行时系统,用于说明内核函数中的线程数量,以及线程是如何
-
组织的;尖括号中这些参数并不是传递给设备代码的参数,而是告诉运行时如何
-
启动设备代码,传递给设备代码本身的参数是放在圆括号中传递的,就像标准的函
-
数调用一样;不同计算能力的设备对线程的总数和组织方式有不同的约束;必须
-
先为kernel中用到的数组或变量分配好足够的空间,再调用kernel函数,否则在
-
GPU计算时会发生错误,例如越界等;
-
使用运行时API时,需要在调用的内核函数名与参数列表直接以<<<Dg,Db,Ns,S>>>
-
的形式设置执行配置,其中:Dg是一个dim3型变量,用于设置grid的维度和各个
-
维度上的尺寸.设置好Dg后,grid中将有Dg.x*Dg.y个block,Dg.z必须为1;Db是
-
一个dim3型变量,用于设置block的维度和各个维度上的尺寸.设置好Db后,每个
-
block中将有Db.x*Db.y*Db.z个thread;Ns是一个size_t型变量,指定各块为此调
-
用动态分配的共享存储器大小,这些动态分配的存储器可供声明为外部数组
-
(extern __shared__)的其他任何变量使用;Ns是一个可选参数,默认值为0;S为
-
cudaStream_t类型,用于设置与内核函数关联的流.S是一个可选参数,默认值0. */
-
image_normalize << < channels, 512 >> >(dev_src, dev_dst, channels, width*height);
-
cudaMemcpy(dst, dev_dst, length, cudaMemcpyDeviceToHost);
-
// cudaFree: 释放设备上由cudaMalloc函数分配的内存
-
cudaFree(dev_src);
-
cudaFree(dev_dst);
-
// cudaEventRecord: 记录一个事件,异步启动,stop记录结束时间
-
cudaEventRecord(stop, 0);
-
// cudaEventSynchronize: 事件同步,等待一个事件完成,异步启动
-
cudaEventSynchronize(stop);
-
// cudaEventElapseTime: 计算两个事件之间经历的时间,单位为毫秒,异步启动
-
cudaEventElapsedTime(elapsed_time, start, stop);
-
// cudaEventDestroy: 销毁事件对象,异步启动
-
cudaEventDestroy(start);
-
cudaEventDestroy(stop);
-
return 0;
-
}
原图如下:
结果图如下:
执行结果如下:由运行时间可知,GPU要远慢于CPU,后面再对GPU实现进行优化。还有一个问题是,在Release下,执行正常,在Debug下,GPU,在调用核函数时,会在for循环中无故退出,具体原因还未知,后面待进一步分析。