CUDA排列组合整数

于 2017-12-10 09:53:29 发布
阅读量410 收藏 1
点赞数
分类专栏： CUDA零基础
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zlf19910726/article/details/78763199
版权 



#include <fstream>

#include <stdio.h>
#include <stdlib.h>
#include <cuda_runtime.h>
#include <iostream>
using namespace std;

#define ROWS 80*100*100*100
#define COLS 6

#define CHECK(res) if(res!=cudaSuccess){exit(-1);}


__global__ void Kerneltest(double **dp_out_params, unsigned int loop)
{

	unsigned int blockId = gridDim.x*gridDim.y*blockIdx.z + gridDim.x*blockIdx.y + blockIdx.x;
	unsigned int threadId = blockId*blockDim.x + threadIdx.x;


	unsigned int row = threadId;
	unsigned int col = threadIdx.y;


	double min_q = 0;
	double max_q = 0.027;
	int stepNums_q = 100;
	double stepLen_q = (max_q-min_q)/stepNums_q;

	double min_mua = 0;
	double max_mua = 0.007;
	int stepNums_mua = 100;
	double stepLen_mua = (max_mua-min_mua)/stepNums_mua;

	double min_musp = 0;
	double max_musp = 1;
	int stepNums_musp = 100;
	double stepLen_musp = (max_musp-min_musp)/stepNums_musp;

	double min_alpha = 0;
	double max_alpha = 1;
	int stepNums_alpha = 100;
	double stepLen_alpha = (max_alpha-min_alpha)/stepNums_alpha;

	double min_n = 0;
	double max_n = 1;
	int stepNums_n = 100;
	double stepLen_n = (max_n-min_n)/stepNums_n;

	double min_rough = 0;
	double max_rough = 1;
	int stepNums_rough = 100;
	double stepLen_rough = (max_rough-min_rough)/stepNums_rough;

	if (row < ROWS && col < COLS)
	{

		dp_out_params[row][col] = 0;
	 __syncthreads();

	if( col== 5 )
	{
		int weight_q = (row+ROWS*loop) % stepNums_q;
		dp_out_params[row][col] = weight_q;
	}
	 __syncthreads();

	if( col== 4 )
	{
		int weight_mua =( (row+ROWS*loop) / stepNums_q ) % stepNums_mua;

		dp_out_params[row][col] = weight_mua;
	}
	 __syncthreads();


	if( col== 3 )
	{
		int weight_musp =( (row+ROWS*loop) / stepNums_q / stepNums_mua ) % stepNums_musp;

		dp_out_params[row][col] = weight_musp;
 	}
	 __syncthreads();


	if( col== 2 )
	{
		int weight_alpha =( (row+ROWS*loop) / stepNums_q / stepNums_mua /stepNums_musp ) % stepNums_alpha;

		dp_out_params[row][col] = weight_alpha;
 	}
	 __syncthreads();



	if( col== 1 )
	{
		int weight_n =( (row+ROWS*loop) / stepNums_q / stepNums_mua /stepNums_musp / stepNums_alpha ) % stepNums_n;

		dp_out_params[row][col] = weight_n;
 	}
	 __syncthreads();


	if( col== 0 )
	{
		int weight_rough =( (row+ROWS*loop) / stepNums_q / stepNums_mua /stepNums_musp / stepNums_alpha / stepNums_n ) % stepNums_rough;

		dp_out_params[row][col] = weight_rough;
 	}
	 __syncthreads();


	}

}


///
///

int main(int argc, char **argv)
{
	cudaError_t res;




	double *d_out_params = NULL;
    res = cudaMalloc((void**)(&d_out_params), ROWS*COLS*sizeof(double));CHECK(res)


	double **dp_out_params = NULL;
	res = cudaMalloc((void**)(&dp_out_params), ROWS*sizeof(double*));CHECK(res)


	double **hp_out_params = NULL;
	hp_out_params = (double**)malloc(ROWS*sizeof(double*));


	double *h_out_params = NULL;
	h_out_params = (double*)malloc(ROWS*COLS*sizeof(double));


    for (int r = 0; r < ROWS; r++)
    {
    	hp_out_params[r] = d_out_params + r*COLS;
    }


    res = cudaMemcpy((void*)(dp_out_params), (void*)(hp_out_params), ROWS*sizeof(double*), cudaMemcpyHostToDevice);CHECK(res)

    dim3 dimBlock( 80,   6,  1);
    dim3 dimGrid(  100,    100,  100);

    for(unsigned int loop=0; loop<1; loop++)
     {

    	Kerneltest<<<dimGrid, dimBlock>>>(dp_out_params, loop);

    	cout<<"loop:  "<<loop<<endl;
     }

    res = cudaMemcpy((void*)(h_out_params), (void*)(d_out_params), ROWS*COLS*sizeof(double*), cudaMemcpyDeviceToHost);CHECK(res)




    ofstream f1("/home/zlf/Documents/cuda.txt");

    int zz = 0;
	cout<<endl<<"h_out_params: "<<endl;
    for (int r = 0; r < ROWS; r++)
    {
        for (int c = 0; c < COLS; c++)
        {
            printf("%f ", h_out_params[r*COLS+c]);
            f1 << h_out_params[r*COLS+c]<<"    ";

        }
        zz = zz + 1;
        cout<<"    行数： "<<zz;
        printf("\n");
        f1<< "    行数： "<<zz<< "\n";

    }

	f1.close();

	cout<<zz<<endl;
    cudaFree((void*)d_out_params);
    cudaFree((void*)dp_out_params);

    free(h_out_params);
    free(hp_out_params);


    getchar();



    return 0;
}






输出结果： 由于太长，只保留最后一部分



0.000000 0.000000 79.000000 99.000000 99.000000 0.000000     行数： 79999901
0.000000 0.000000 79.000000 99.000000 99.000000 1.000000     行数： 79999902
0.000000 0.000000 79.000000 99.000000 99.000000 2.000000     行数： 79999903
0.000000 0.000000 79.000000 99.000000 99.000000 3.000000     行数： 79999904
0.000000 0.000000 79.000000 99.000000 99.000000 4.000000     行数： 79999905
0.000000 0.000000 79.000000 99.000000 99.000000 5.000000     行数： 79999906
0.000000 0.000000 79.000000 99.000000 99.000000 6.000000     行数： 79999907
0.000000 0.000000 79.000000 99.000000 99.000000 7.000000     行数： 79999908
0.000000 0.000000 79.000000 99.000000 99.000000 8.000000     行数： 79999909
0.000000 0.000000 79.000000 99.000000 99.000000 9.000000     行数： 79999910
0.000000 0.000000 79.000000 99.000000 99.000000 10.000000     行数： 79999911
0.000000 0.000000 79.000000 99.000000 99.000000 11.000000     行数： 79999912
0.000000 0.000000 79.000000 99.000000 99.000000 12.000000     行数： 79999913
0.000000 0.000000 79.000000 99.000000 99.000000 13.000000     行数： 79999914
0.000000 0.000000 79.000000 99.000000 99.000000 14.000000     行数： 79999915
0.000000 0.000000 79.000000 99.000000 99.000000 15.000000     行数： 79999916
0.000000 0.000000 79.000000 99.000000 99.000000 16.000000     行数： 79999917
0.000000 0.000000 79.000000 99.000000 99.000000 17.000000     行数： 79999918
0.000000 0.000000 79.000000 99.000000 99.000000 18.000000     行数： 79999919
0.000000 0.000000 79.000000 99.000000 99.000000 19.000000     行数： 79999920
0.000000 0.000000 79.000000 99.000000 99.000000 20.000000     行数： 79999921
0.000000 0.000000 79.000000 99.000000 99.000000 21.000000     行数： 79999922
0.000000 0.000000 79.000000 99.000000 99.000000 22.000000     行数： 79999923
0.000000 0.000000 79.000000 99.000000 99.000000 23.000000     行数： 79999924
0.000000 0.000000 79.000000 99.000000 99.000000 24.000000     行数： 79999925
0.000000 0.000000 79.000000 99.000000 99.000000 25.000000     行数： 79999926
0.000000 0.000000 79.000000 99.000000 99.000000 26.000000     行数： 79999927
0.000000 0.000000 79.000000 99.000000 99.000000 27.000000     行数： 79999928
0.000000 0.000000 79.000000 99.000000 99.000000 28.000000     行数： 79999929
0.000000 0.000000 79.000000 99.000000 99.000000 29.000000     行数： 79999930
0.000000 0.000000 79.000000 99.000000 99.000000 30.000000     行数： 79999931
0.000000 0.000000 79.000000 99.000000 99.000000 31.000000     行数： 79999932
0.000000 0.000000 79.000000 99.000000 99.000000 32.000000     行数： 79999933
0.000000 0.000000 79.000000 99.000000 99.000000 33.000000     行数： 79999934
0.000000 0.000000 79.000000 99.000000 99.000000 34.000000     行数： 79999935
0.000000 0.000000 79.000000 99.000000 99.000000 35.000000     行数： 79999936
0.000000 0.000000 79.000000 99.000000 99.000000 36.000000     行数： 79999937
0.000000 0.000000 79.000000 99.000000 99.000000 37.000000     行数： 79999938
0.000000 0.000000 79.000000 99.000000 99.000000 38.000000     行数： 79999939
0.000000 0.000000 79.000000 99.000000 99.000000 39.000000     行数： 79999940
0.000000 0.000000 79.000000 99.000000 99.000000 40.000000     行数： 79999941
0.000000 0.000000 79.000000 99.000000 99.000000 41.000000     行数： 79999942
0.000000 0.000000 79.000000 99.000000 99.000000 42.000000     行数： 79999943
0.000000 0.000000 79.000000 99.000000 99.000000 43.000000     行数： 79999944
0.000000 0.000000 79.000000 99.000000 99.000000 44.000000     行数： 79999945
0.000000 0.000000 79.000000 99.000000 99.000000 45.000000     行数： 79999946
0.000000 0.000000 79.000000 99.000000 99.000000 46.000000     行数： 79999947
0.000000 0.000000 79.000000 99.000000 99.000000 47.000000     行数： 79999948
0.000000 0.000000 79.000000 99.000000 99.000000 48.000000     行数： 79999949
0.000000 0.000000 79.000000 99.000000 99.000000 49.000000     行数： 79999950
0.000000 0.000000 79.000000 99.000000 99.000000 50.000000     行数： 79999951
0.000000 0.000000 79.000000 99.000000 99.000000 51.000000     行数： 79999952
0.000000 0.000000 79.000000 99.000000 99.000000 52.000000     行数： 79999953
0.000000 0.000000 79.000000 99.000000 99.000000 53.000000     行数： 79999954
0.000000 0.000000 79.000000 99.000000 99.000000 54.000000     行数： 79999955
0.000000 0.000000 79.000000 99.000000 99.000000 55.000000     行数： 79999956
0.000000 0.000000 79.000000 99.000000 99.000000 56.000000     行数： 79999957
0.000000 0.000000 79.000000 99.000000 99.000000 57.000000     行数： 79999958
0.000000 0.000000 79.000000 99.000000 99.000000 58.000000     行数： 79999959
0.000000 0.000000 79.000000 99.000000 99.000000 59.000000     行数： 79999960
0.000000 0.000000 79.000000 99.000000 99.000000 60.000000     行数： 79999961
0.000000 0.000000 79.000000 99.000000 99.000000 61.000000     行数： 79999962
0.000000 0.000000 79.000000 99.000000 99.000000 62.000000     行数： 79999963
0.000000 0.000000 79.000000 99.000000 99.000000 63.000000     行数： 79999964
0.000000 0.000000 79.000000 99.000000 99.000000 64.000000     行数： 79999965
0.000000 0.000000 79.000000 99.000000 99.000000 65.000000     行数： 79999966
0.000000 0.000000 79.000000 99.000000 99.000000 66.000000     行数： 79999967
0.000000 0.000000 79.000000 99.000000 99.000000 67.000000     行数： 79999968
0.000000 0.000000 79.000000 99.000000 99.000000 68.000000     行数： 79999969
0.000000 0.000000 79.000000 99.000000 99.000000 69.000000     行数： 79999970
0.000000 0.000000 79.000000 99.000000 99.000000 70.000000     行数： 79999971
0.000000 0.000000 79.000000 99.000000 99.000000 71.000000     行数： 79999972
0.000000 0.000000 79.000000 99.000000 99.000000 72.000000     行数： 79999973
0.000000 0.000000 79.000000 99.000000 99.000000 73.000000     行数： 79999974
0.000000 0.000000 79.000000 99.000000 99.000000 74.000000     行数： 79999975
0.000000 0.000000 79.000000 99.000000 99.000000 75.000000     行数： 79999976
0.000000 0.000000 79.000000 99.000000 99.000000 76.000000     行数： 79999977
0.000000 0.000000 79.000000 99.000000 99.000000 77.000000     行数： 79999978
0.000000 0.000000 79.000000 99.000000 99.000000 78.000000     行数： 79999979
0.000000 0.000000 79.000000 99.000000 99.000000 79.000000     行数： 79999980
0.000000 0.000000 79.000000 99.000000 99.000000 80.000000     行数： 79999981
0.000000 0.000000 79.000000 99.000000 99.000000 81.000000     行数： 79999982
0.000000 0.000000 79.000000 99.000000 99.000000 82.000000     行数： 79999983
0.000000 0.000000 79.000000 99.000000 99.000000 83.000000     行数： 79999984
0.000000 0.000000 79.000000 99.000000 99.000000 84.000000     行数： 79999985
0.000000 0.000000 79.000000 99.000000 99.000000 85.000000     行数： 79999986
0.000000 0.000000 79.000000 99.000000 99.000000 86.000000     行数： 79999987
0.000000 0.000000 79.000000 99.000000 99.000000 87.000000     行数： 79999988
0.000000 0.000000 79.000000 99.000000 99.000000 88.000000     行数： 79999989
0.000000 0.000000 79.000000 99.000000 99.000000 89.000000     行数： 79999990
0.000000 0.000000 79.000000 99.000000 99.000000 90.000000     行数： 79999991
0.000000 0.000000 79.000000 99.000000 99.000000 91.000000     行数： 79999992
0.000000 0.000000 79.000000 99.000000 99.000000 92.000000     行数： 79999993
0.000000 0.000000 79.000000 99.000000 99.000000 93.000000     行数： 79999994
0.000000 0.000000 79.000000 99.000000 99.000000 94.000000     行数： 79999995
0.000000 0.000000 79.000000 99.000000 99.000000 95.000000     行数： 79999996
0.000000 0.000000 79.000000 99.000000 99.000000 96.000000     行数： 79999997
0.000000 0.000000 79.000000 99.000000 99.000000 97.000000     行数： 79999998
0.000000 0.000000 79.000000 99.000000 99.000000 98.000000     行数： 79999999
0.000000 0.000000 79.000000 99.000000 99.000000 99.000000     行数： 80000000
80000000



吃我老猪一钉耙
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CUDA并行排序(1)——整数
12-06
// 1. A small-set insertion sort. We do this on any set with <=32 elements // 2. A partitioning kernel, which - given a pivot - separates an input // array into elements <=pivot, and >pivot. Two quicksorts will then // be launched to resolve each of these. // 3. A quicksort co-ordinator, which figures out what kernels to launch // and when.
CUDA 做排列组合
A person does not really understand something until after teaching it to a computer. Donald.E.Knuth
11-23 358
#include #include #include #include #include using namespace std; #define ROWS 1024/6*65535 #define COLS 6 #define CHECK(res) if(res!=cudaSuccess){exit(-1);} __global__ void Kerneltest(int *
排列组合模板
YueLing's Blog
08-16 1002
求排列组合数。
基于hadoop用并行递归实现排列组合运算
01-06
数字排列组合是个经典的算法问题，它很通俗易懂，适合不懂业务的人学习，我们通过它来发现和运用并行计算的优势，可以得到一个很直观的体会，并留下深刻的印象。问题如下： 请写一个程序，输入M，然后打印出M个数字的所有排列组合（每个数字为1，2，3，4中的一个）。比如：M=3，输出： 1，1，1 1，1，2 …… 4，4，4 共64个 注意：这里是使用计算机遍历出所有排列组合，而不是求总数，如果只求总数，可以直接利用数学公式进行计算了。 这种算法常用递归或迭代来实现，单当M=14时，中间结果数量已经过亿，再大的话很容易超过单台机器的处理能力，所以我用hadoop来实现多机分别处理。
CUDA开发示例Demo工程
07-01
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 该资源主要由Introduction、Utilities、...
CUDA：学习CUDA
02-10
CUDA：学习CUDA
CUDA_CUDA简介_
10-04
并行计算CUDA简介与基础优化，英文版介绍，共70多页
CUDA编译
01-06
CUDA（Compute Unified Device Architecture）：是NVIDIA推出的用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一...
易语言排列组合模块(M选N)
08-16
排列组合模块(M选N)源码 系统结构:按列置组合结果,按行置组合结果,取组合数量, ======程序集1 | | | |------ _启动子程序 | | | |------ _临时子程序 | | | |------ 按列置组合结果 | | | |------ 按行置
CUDA, 用于大量数据的超级运算：第13节
CSDN企业BLOG
11-13 1846
 http://www.ddj.com/architect/218100902 Rob FarberUsing texture memory in CUDARob Farber 是西北太平洋国家实验室（Pacific Northwest National Laboratory）的高级科研人员。他在多个国家级的实验室进行大型并行运算的研究，并且是几个新创企业的合伙人。大家可以发邮件到rmfarber
使用cuFFT实现大整数乘法
那些零零散散的算法
08-23 2406
序言在某些场合，我们可能需要使用远超内置整型范围的整数进行运算，比如公钥加密等。如果使用最原始的竖式计算，那么时间复杂度是T(n^2)，其中n是相乘的两个整数的位数。使用Karatsuba算法优化，时间复杂度可以降至T(n^{log_2 3})≈ T(n^1.585) 。而如果使用快速傅里叶变换（FFT），则可以优化到T(nlogn)
排列组合算法
XXX的专栏
09-02 2579
基本概念 排列 原义是指按次序排队、安放或编排，或者排着队站立、成排耸立。在现代数学中也有排列组合等专用词组。具体定义如下： 从n个不同元素中任取m（m≤n）个元素，按照一定的顺序排列起来，叫做从n个不同元素中取出m个元素的一个排列。当m=n时所有的排列情况叫全排列。  P(n,m)=n(n-1)...(n-m+1)=n!/(n-m)!  特别的，定义0!=1 组合
_ _int64 64位整数
cmsbupt的专栏
08-27 2966
【MSVC】http://msdn.microsoft.com/en-us/library/aa261215(v=vs.60).aspx 允许使用64位的整数 使用之前先判断是否支持64位整数 _#if defined (_INTEGRAL_MAX_BITS) && \ _INTEGRAL_MAX_BITS >= 64 typedef signed __int64 int64; ty
cuda cudatoolkit
最新发布
08-18
CUDA（Compute Unified Device Architecture）是由 NVIDIA 开发的一种并行计算平台和编程模型，用于利用 NVIDIA GPU 进行通用目的的并行计算。 CUDA Toolkit 是一个用于开发和优化 CUDA 应用程序的软件开发工具包。...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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