cudaMalloc和cudaMallocManaged的所用时间比较


#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include "device_functions.h"

#include <stdio.h>

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/imgproc/types_c.h"

#include <string>
#include <iostream>
#include <fstream> 

using namespace std;


#define N 4096 //512
#define K 16 //32 //64  //实际上64是不合理的超过32*32的blcok就会导致核函数失效。  //大矩阵的情况下,16的效果是最好的。
                                 

#pragma region 通用函数
//写文件
//1通道的Mat写成文本文件,uchar类型
int  write_into_txt_file(string filename, float* input_arr)
{
    ofstream ofs;                            //打开文件用于写,若文件不存在就创建它
    locale loc = locale::global(locale(""));                //要打开的文件路径含中文,设置全局locale为本地环境 
    ofs.open(filename, ios::out, _SH_DENYNO); //输出到文件 ,覆盖的方式,二进制。 可同时用其他的工具打开此文件
    locale::global(loc);                          //恢复全局locale

    if (!ofs.is_open())
        return 0;    //打开文件失败则结束运行  

    for (int i = 0; i < N; i++)
    {
        string dbgstr = "";
        for (int j = 0; j < N; j++)
        {
            //uchar point = input_mat.at<uchar>(i, j);
            dbgstr = dbgstr + " " + to_string(input_arr[N * i + j]);
        }
        dbgstr = dbgstr + "\n";
        ofs.write(dbgstr.c_str(), dbgstr.size());
        ofs.flush();
    }

    ofs.close();
    return 1;
}

#pragma endregion


__global__  void  printf_base()
{
    printf("Hello \n");
}

void printf_base_test()
{
    dim3 block(1);
    dim3 grid(1);

    printf_base << < grid, block >> > ();

}

__global__ void grid_block_Idx()
{
    printf(" blockIdx.x=%d  blockIdx.y=%d  threadIdx.x=%d  threadIdx.y=%d  kernel print test  \n", blockIdx.x, blockIdx.y, threadIdx.x, threadIdx.y);
}

void  grid_block_Idx_test()
{
    //针对block容量的测试
    //dim3 block(32, 32);//经过测试发现,在本台机器block的上限,就是block(32,32),如果block(33.33),kernel函数中的内容就无法被调用(比如printf语句)
    //dim3 block(16, 64);//block(16, 64)是可以的,但是block(16,65)就不可以,说明当前系统当前显卡,block当中的线程数量上限是16*64=32*32=1024个
    //dim3 grid(1, 1);

    //针对grid容量的测试
    /*
    dim3 block(1, 1);
    dim3 grid(8192, 8192);//(64,64)是可以的,(128,128)也是可以的,(256,256)也是可以的,(1024,1024)也是可以的,(4096,4096)也是可以的
                          //(8192,8192)也是可以的,感觉grid中的block的数量是可以没有上限的
    */

    //综合测试
    dim3 block(2, 2);
    dim3 grid(512, 512);

    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);
    printf("block.x %d block.y %d block.z %d\n", block.x, block.y, block.z);
    printf("--------------------------------------------------  \n");

    grid_block_Idx << < grid, block >> > ();

}

#pragma region GPU转置(分成多个Block)
__global__ void transposeParallelPerElement(float in[], float out[],int threads_num)
{
    int i = blockIdx.x * threads_num + threadIdx.x;
    /* column */
    int j = blockIdx.y * threads_num + threadIdx.y;

    //printf("i=%d j=%d \n", i,j);
    //printf(" blockIdx.x=%d  blockIdx.y=%d  threadIdx.x=%d  threadIdx.y=%d  kernel print test  \n", blockIdx.x, blockIdx.y, threadIdx.x, threadIdx.y);


    /* row */
    out[j * N + i] = in[i * N + j];

    //if((i*N+j)<100)
    //   printf("in[%d]=%f \n", i*N+j,in[i * N + j]);

}

void  Gpu_Transfer_2()
{
    int size = N * N * sizeof(float);

    float* in, * out;

    double t0 = (double)cv::getTickCount();

    cudaMallocManaged(&in, size);
    cudaMallocManaged(&out, size);

    t0 = ((double)cv::getTickCount() - t0) * 1000 / cv::getTickFrequency();
    printf("\n t0=%f  ms\n", t0);

    for (int i = 0; i < N; ++i)
        for (int j = 0; j < N; ++j)
            in[i * N + j] = i * N + j;

    /*
    dim3 block(32, 32);  //Debug用时3.1ms  release 2.6ms
    dim3 grid(16, 16);  
    int threads_num = 32;
    */

    /*
    dim3 block(8, 8);  //Debug用时2.79ms  release 2.36ms
    dim3 grid(64, 64);
    int threads_num = 8;
    */

    /*
    dim3 block(4, 4);  //release 2.29ms
    dim3 grid(128, 128);
    int threads_num = 4;
    */

    /*
    dim3 block(2, 2);  //release 2.54ms
    dim3 grid(256, 256);
    int threads_num = 2;
    */

    dim3 block(K, K);  //release 2.54ms
    dim3 grid(N/K, N/K);
    int threads_num = K;


    //write_into_txt_file("gpu_arr_in_1.txt", in);
    double t1 = (double)cv::getTickCount();

    transposeParallelPerElement << < grid, block >> > (in, out,threads_num);
    cudaDeviceSynchronize();

    // check grid and block dimension from host side
    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);
    printf("block.x %d block.y %d block.z %d\n", block.x, block.y, block.z);
    printf("--------------------------------------------------  \n");

    t1 = ((double)cv::getTickCount() - t1) * 1000 / cv::getTickFrequency();
    printf("t1=%f  ms\n", t1);

    //write_into_txt_file("gpu_arr_out_2.txt", out);


    cudaFree(in);
    cudaFree(out);

}

void  Gpu_Transfer_21()
{
    int size = N * N * sizeof(float);

    float* in, * out;


    float* f_in, * f_out;
    f_in = (float*)malloc(size);
    f_out = (float*)malloc(size);


    for (int i = 0; i < N; ++i)
        for (int j = 0; j < N; ++j)
            f_in[i * N + j] = i * N + j;

    double t0 = (double)cv::getTickCount();

    cudaMalloc((float**)&in, size);
    cudaMalloc((float**)&out,size);

    // transfer data from host to device
    cudaMemcpy(in, f_in, size, cudaMemcpyHostToDevice);

    t0 = ((double)cv::getTickCount() - t0) * 1000 / cv::getTickFrequency();
    printf("\n t0=%f  ms\n", t0);

    dim3 block(K, K);  //release 2.54ms
    dim3 grid(N / K, N / K);
    int threads_num = K;


    //write_into_txt_file("gpu_arr_in_1.txt", in);
    double t1 = (double)cv::getTickCount();

    transposeParallelPerElement << < grid, block >> > (in, out, threads_num);
    cudaDeviceSynchronize();

    // check grid and block dimension from host side
    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);
    printf("block.x %d block.y %d block.z %d\n", block.x, block.y, block.z);
    printf("--------------------------------------------------  \n");

    t1 = ((double)cv::getTickCount() - t1) * 1000 / cv::getTickFrequency();
    printf("t1=%f  ms\n", t1);

    double t2 = (double)cv::getTickCount();
    cudaMemcpy(f_out, out, size, cudaMemcpyDeviceToHost);

    t2 = ((double)cv::getTickCount() - t2) * 1000 / cv::getTickFrequency();
    printf("t2=%f  ms\n", t2);

    //write_into_txt_file("gpu_arr_out_21.txt", f_out);

    cudaFree(in);
    cudaFree(out);

}
#pragma endregion

#pragma region GPU转置(Shared memory)

__global__ void transposeParallelPerElementTiled(float in[], float out[])
{
    int    in_corner_i = blockIdx.x * K, in_corner_j = blockIdx.y * K;
    int    out_corner_i = blockIdx.y * K, out_corner_j = blockIdx.x * K;

    int x = threadIdx.x, y = threadIdx.y;

    __shared__ float tile[K][K];

    tile[y][x] = in[(in_corner_i + x) + (in_corner_j + y) * N];
    __syncthreads();
    out[(out_corner_i + x) + (out_corner_j + y) * N] = tile[x][y];
}

void  Gpu_Transfer_3()
{
    int size = N * N * sizeof(float);

    float* in, * out;

    double t0 = (double)cv::getTickCount();

    cudaMallocManaged(&in, size);
    cudaMallocManaged(&out, size);

    t0 = ((double)cv::getTickCount() - t0) * 1000 / cv::getTickFrequency();
    printf("\n t0=%f  ms\n", t0);

    for (int i = 0; i < N; ++i)
        for (int j = 0; j < N; ++j)
            in[i * N + j] = i * N + j;


    //dim3 blocks(N / K, N / K);
    //dim3 threads(K, K);

    dim3 block(K, K);//(32,32)   
    dim3 grid(N / K, N / K);//(16,16)

    double t1 = (double)cv::getTickCount();

    transposeParallelPerElementTiled << < grid,block>> > (in, out);
    cudaDeviceSynchronize();

    //显然blocks 对应的是grid
    //threads 对应的是block
    //只是在一维的情况下,便这么写了。
    //但是这样写很容易让人产生误会。

    // check grid and block dimension from host side
    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);
    printf("block.x %d block.y %d block.z %d\n", block.x, block.y, block.z);
    printf("--------------------------------------------------  \n");

    t1 = ((double)cv::getTickCount() - t1) * 1000 / cv::getTickFrequency();
    printf("t1=%f  ms\n", t1);

    //write_into_txt_file("gpu_arr_out_3.txt", out);

    cudaFree(in);
    cudaFree(out);

}
#pragma endregion

int main()
{
    //printf_base_test();

    //grid_block_Idx_test();

    Gpu_Transfer_2();

    Gpu_Transfer_21();
    Gpu_Transfer_21();

    Gpu_Transfer_3();

    return 0;
}

//非常显然,采用cudaMalloc,并且用cudaMemcpy进行内存和GPU内存间的复制,比cudaMallocManaged,时间上要省的多。

运行结果如下图:

 

  • 5
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值