CUDA排列组合整数

最新推荐文章于 2021-05-25 02:16:34 发布
最新推荐文章于 2021-05-25 02:16:34 发布
阅读量443 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
专栏目录
【图像超分】论文复现：新手入门必备！Pytorch实现SRGAN！手把手详细教程！代码注释详尽！可用于训练自己的数据集！实时验证模型性能！绘制PSNR曲线图！附训练好的各放大倍数的模型权重文件！
畅游计算机视觉的海洋
04-15 4930
【图像超分】论文精读：SRResNet/SRGAN【图像超分】论文复现：万字长文！Pytorch实现SRResNet代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！请配合上述论文精读文章使用，效果更佳！与原论文描述不一样的实现部分，也即可以修改的部分数据集使用：论文中是ImageNet随机选35000张图像，本文是VOC2012数据集16700张图像。数据集预处理：裁剪大小不同，论文是96×96，本文是88×88。
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
11-23 383
#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 1041
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。
c语言 n位数的全排列组合,N个数随机相加得出固定值的排列组合
weixin_35996612的博客
05-25 1704
static double[] iArr = new double[10] { 1,2,3,4,5,6,7,8,9,10 };static Stack stack = new Stack();static double tempNum = 0;static double a = 11;static void Main(string[] args){for (int i = 0; i < iA...
使用Thrust提升CUDA编程效率
- **permutation_iterator**：允许重新排列底层数据序列的访问顺序。 - **zip_iterator**：将多个迭代器组合成一个，每次迭代时返回一组对应元素。 5. **额外资源**：Thrust官方文档和NVIDIA网站提供了丰富的教程...
CUDA编程解决大数据计算：斯皮尔相关系数与P值
在本次的CUDA编程经历中，面对的是一项计算密集型任务，涉及9879896条数据，每条数据包含30个整数，目标是计算所有可能的两两组合之间的斯皮尔曼相关系数和P值。初始估计中，这项任务看似并不庞大，因为原始数据仅...
内核调优工具包KTT：一个针对CUDA、OpenCL和Vulkan内核的自动调优框架
自动调整GPU优化CUDAOpenCLVulkana b st ra ctKernel Tuning Toolkit（KTT）是一个针对CUDA、OpenCL和Vulkan内核的自动调优框架KTT提供了高级的自动调优功能，例如支持动态（在线）和离线调优，以及使用共享调优参数...
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 1919
 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
排列组合算法
XXX的专栏
09-02 2629
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
使用cuFFT实现大整数乘法
那些零零散散的算法
08-23 2461
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)
_ _int64 64位整数
cmsbupt的专栏
08-27 3008
【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
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