4

尝试使用 C++Amp 优化我的应用程序时遇到以下问题：数据传输。对我来说，将数据从 CPU 复制到 GPU 没有问题（因为我可以在应用程序的初始状态下做到这一点）。更糟糕的是，我需要快速访问由 C++Amp 内核计算的结果，因此 GPU 和 CPU 之间的瓶颈很痛苦。我读到在 Windows 8.1 下有性能提升，但是我使用的是 Windows 7，我不打算改变它。我阅读了关于暂存数组的信息，但我不知道它们如何帮助解决我的问题。我需要向主机返回一个浮点值，这似乎是最耗时的操作。

float Subset::reduction_cascade(unsigned element_count, concurrency::array<float, 1>& a) 
{
static_assert(_tile_count > 0, "Tile count must be positive!");
//static_assert(IS_POWER_OF_2(_tile_size), "Tile size must be a positive integer power of two!");

assert(source.size() <= UINT_MAX);
//unsigned element_count = static_cast<unsigned>(source.size());
assert(element_count != 0); // Cannot reduce an empty sequence.

unsigned stride = _tile_size * _tile_count * 2;

// Reduce tail elements.
float tail_sum = 0.f;
unsigned tail_length = element_count % stride;
// Using arrays as a temporary memory.
//concurrency::array<float, 1> a(element_count, source.begin());
concurrency::array<float, 1> a_partial_result(_tile_count);

concurrency::parallel_for_each(concurrency::extent<1>(_tile_count * _tile_size).tile<_tile_size>(), [=, &a, &a_partial_result] (concurrency::tiled_index<_tile_size> tidx) restrict(amp)
{
    // Use tile_static as a scratchpad memory.
    tile_static float tile_data[_tile_size];

    unsigned local_idx = tidx.local[0];

    // Reduce data strides of twice the tile size into tile_static memory.
    unsigned input_idx = (tidx.tile[0] * 2 * _tile_size) + local_idx;
    tile_data[local_idx] = 0;
    do
    {
        tile_data[local_idx] += a[input_idx] + a[input_idx + _tile_size]; 
        input_idx += stride;
    } while (input_idx < element_count);

    tidx.barrier.wait();

    // Reduce to the tile result using multiple threads.
    for (unsigned stride = _tile_size / 2; stride > 0; stride /= 2)
    {
        if (local_idx < stride)
        {
            tile_data[local_idx] += tile_data[local_idx + stride];
        }

        tidx.barrier.wait();
    }

    // Store the tile result in the global memory.
    if (local_idx == 0)
    {
        a_partial_result[tidx.tile[0]] = tile_data[0];
    }
});

// Reduce results from all tiles on the CPU.
std::vector<float> v_partial_result(_tile_count);
copy(a_partial_result, v_partial_result.begin());
return std::accumulate(v_partial_result.begin(), v_partial_result.end(), tail_sum);  
}

我检查了在上面的示例中最耗时的操作是copy(a_partial_result, v_partial_result.begin());. 我正在努力寻找更好的方法。

4

1 回答 1

1

所以我认为这里还有其他事情发生。您是否尝试过运行您的代码所基于的原始示例？这在 CodePlex 上可用。

加载示例解决方案并在发布模式下构建 Reduction 项目，然后在不附加调试器的情况下运行它。你应该看到一些像这样的输出。

Running kernels with 16777216 elements, 65536 KB of data ...
Tile size:     512
Tile count:    128
Using device : NVIDIA GeForce GTX 570

                                                           Total : Calc

SUCCESS: Overhead                                           0.03 : 0.00 (ms)
SUCCESS: CPU sequential                                     9.48 : 9.45 (ms)
SUCCESS: CPU parallel                                       5.92 : 5.89 (ms)
SUCCESS: C++ AMP simple model                              25.34 : 3.19 (ms)
SUCCESS: C++ AMP simple model using array_view             62.09 : 20.61 (ms)
SUCCESS: C++ AMP simple model optimized                    25.24 : 1.81 (ms)
SUCCESS: C++ AMP tiled model                               29.70 : 7.27 (ms)
SUCCESS: C++ AMP tiled model & shared memory               30.40 : 7.56 (ms)
SUCCESS: C++ AMP tiled model & minimized divergence        25.21 : 5.77 (ms)
SUCCESS: C++ AMP tiled model & no bank conflicts           25.52 : 3.92 (ms)
SUCCESS: C++ AMP tiled model & reduced stalled threads     21.25 : 2.03 (ms)
SUCCESS: C++ AMP tiled model & unrolling                   22.94 : 1.55 (ms)
SUCCESS: C++ AMP cascading reduction                       20.17 : 0.92 (ms)
SUCCESS: C++ AMP cascading reduction & unrolling           24.01 : 1.20 (ms)

请注意，没有一个示例在您编写代码的时间附近出现。尽管可以公平地说 CPU 速度更快，数据复制时间是这里的一个重要因素。

这是可以预料的。有效使用 GPU 不仅仅涉及到 GPU 的缩减等操作。您需要移动大量计算来弥补复制开销。

你应该考虑的一些事情：

  • 从 CodePlex 运行示例会发生什么情况？
  • 您是否正在运行启用优化的发布版本？
  • 您确定运行是针对实际的 GPU 硬件而不是针对 WARP（软件仿真器）加速器运行的吗？

更多有用的信息

  • 你用的是什么硬件？
  • 您的数据集有多大，输入数据和部分结果数组的大小？
于 2014-02-21T06:07:51.040 回答