问题:
将整数n分解为i和j,满足下面关系:
n = j*idim + i
其中idim为常量。
以下为三种算法实现:
1) i = n%idim,j = (n-i)/idim
2) j = n*ridim,i = n - j*idim,其中ridim = 1.0f/idim,为浮点数。
3) i = n%idim,j = (n-i)*ridim,其中ridim = 1.0f/idim,为浮点数。
CPU上的实现代码如下:
for ( int i = 0 ,ii = 0 ;i < size;i ++ )
{
ii = N[i] % IDIM;
I[i] = ii;
J[i] = (N[i] - ii) / IDIM;
}
// 算法2:R1 = 1.0f/IDIM
for ( int i = 0 ,j = 0 ;i < size;i ++ )
{
j = floor(N[i] * R1);
I[i] = N[i] - j * IDIM;
J[i] = j;
}
// 算法3:R1 = 1.0f/IDIM
for ( int i = 0 ,ii = 0 ;i < size;i ++ )
{
ii = N[i] % IDIM;
I[i] = ii;
J[i] = (N[i] - ii) * R1;
}
GPU上的实现代码如下:
__global__ void kernel1( int * N, int * I, int * J, int IDIM, int JDIM)
{
int tid = blockIdx.x * blockDim.x + threadIdx.x;
if (tid < IDIM * JDIM)
{
int n = N[tid];
int i = n % IDIM;
I[tid] = i;
J[tid] = (n - i) / IDIM;
}
}
// 算法2:R1 = 1.0f/IDIM
__global__ void kernel2( int * N, int * I, int * J, int IDIM, int JDIM)
{
int tid = blockIdx.x * blockDim.x + threadIdx.x;
int n,j;
if (tid < IDIM * JDIM)
{
n = N[tid];
j = floor(n * R1);
I[tid] = n - j * IDIM;
J[tid] = j;
}
}
// 算法3:R1 = 1.0f/IDIM
__global__ void kernel3( int * N, int * I, int * J, int IDIM, int JDIM, float R1)
{
int tid = blockIdx.x * blockDim.x + threadIdx.x;
if (tid < IDIM * JDIM)
{
int n = N[tid];
int i = n % IDIM;
I[tid] = i;
J[tid] = (n - i) * R1;
}
}
计算效率如下:
N = 1000000, IDIM = 1000, JDIM = 1000
Core2 Q6600:
算法1: 17 ms
算法2: 34 ms
算法3: 16 ms
GTX280:
算法1: 0.36 ms
算法2: 0.14 ms
算法3: 0.23 ms
CUDA Visual Profiler的检测结果显示: 算法1的指令数高达98xxx,而算法2指令数仅为29xxx,算法3的指令数为65xxx。整数除法再一次应验了手册上的那句话:
Integer division and modulo operation are particularly costly and should be avoided...
但是好像取模运算并没有想象中的那么慢。
结论:
对于CPU,最好采用取模运算,整数除法和单精度乘法的效率差不多。
对于GPU,采用浮点运算最快,其次是取模运算,整数除法最慢。