前言:
最近在做三维重建,尤其是Nerf方面多视角合成工作的时候,意识到了cuda的编程计算可以大大提高其中渲染的计算,最明显的例子是Instant-ngp,Plenoxels等文章,因此后面会学Cuda一段时间,同时也就开了这个新坑。
因为笔者也是cuda新手,所以大家有问题的话可以评论区指出,一起学习进步!
我已经更新了我的Github仓库,大家可以前往仓库下载代码
我的CUDA学习仓库
运行环境:
Windows10,Visual Studio2019,显卡3050Ti
(大家自行根据自己笔记本情况去配环境,或者没有gpu,租借云服务器去学习也是可以的)
(1)cuda程序
步骤分析:
1:调用显卡设备
2:分配显存空间,也就是GPU空间
3:分配CPU空间
4:把CPU上的数据拷贝到分配好的GPU空间上
5:在GPU上进行计算,执行核函数 kernel
6:把计算结果从GPU拷贝到CPU空间上
7:把CPU上拷贝好的数据输出
8:工作完成,释放cpu,gpu空间
#include<stdint.h>
#include<cuda.h>
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include <stdio.h>
//定义核函数, 在host调用, device上计算, 该函数作用为把空间幅值为1
__global__ void kernel(float* a)
{
a[threadIdx.x] = 1;
}
int main(int argc, char** argv)
{
// 设置使用的显卡设备 cpu用 host表示 gpu用device表示
cudaSetDevice(0);
//分配显存空间 dx 表示 device 上的空间x
float* dx;
cudaMalloc((void**)&dx, 16 * sizeof(float));
//分配cpu内存空间
float hx[16] = { 0 };
//把cpu上的数据拷贝到gpu device 上
cudaMemcpy(dx, hx, 16 * sizeof(float), cudaMemcpyHostToDevice);
kernel << <1, 16 >> > (dx);
//把gpu上的数据,计算结果,拷贝到cpu host 上
cudaMemcpy(hx, dx, 16 * sizeof(float), cudaMemcpyDeviceToHost);
for (int i = 0; i < 16; i++)
{
printf("%f \n", hx[i]);
}
//释放资源 分别释放 显存和内存空间
cudaFree(dx);
free(hx);
// cudaDeviceReset();
return 0;
}