问题标签 [c++-amp]

我知道通过 GPU 读取文件是低效的任务，因为它面临着系统中最慢的部分，即 IO。但是，我想出了另一种方法，即使用 CPU 读取文件并让 GPU 处理处理负担。我用 C++ 编写了以下代码，但我被困在集成点上，即如何让 GPU 在 CPU 读取这些文件后处理这些文件。换句话说，C++-amp 与代码添加和集成的出发点是什么？还是我应该从头开始重写整个代码？

我的 Visual Studio 版本没有 GPU 调试器选项。是因为版本本身还是我应该下载一些更新？版本是“Microsoft Visual Studio Express 2012 for Windows Desktop Version 11.0.60315.01 Update 2”、“Windows 7 home premium SP1”库呢，我在哪里可以得到它们？

我是direct3d和图形编程的新手，根据这个Direct3d编程技巧，我正在编写的程序在每帧应用非平凡计算后每帧更改一次顶点

我应该为这样的任务使用动态缓冲区，但它说它的性能是可以预期的，在网上搜索我发现更新顶点缓冲区的最快方法

根据他的说法，向下滚动到 Xoofx 答案（Sharpdx 的设计者）更新子资源比使用动态缓冲区更好，据我所知，更新子资源仅用于默认缓冲区。

我应该使用哪种用法，什么是（分期）？

如果我决定使用 C++ AMP 进行计算（我知道它使用 gpu 作为处理器）有没有办法将缓冲区使用设置为默认值并仍然使用 C++ AMP 通过 cpu 访问它？

如果我正在尝试使用 C++ amp 并且存在 AMP 受限函数需要访问的常量数据的静态数组，我该如何轻松地做到这一点（最好不要过多地破坏代码？）

所以我有一个数组：

还有一个使用该阵列的放大器受限主体..

我正在尝试在 C++-AMP 中编写代码，以将多个 2D 向量复制到 GPU 内存中进行处理。但是，一旦我从表达式开始，extent<2> eM(100,100);我就会遇到这个错误：“范围”是模棱两可的。与 C++ 中的任何其他范围表达式是否有冲突？是因为我使用的库吗？这些都是我包含的所有库和命名空间，我不能包含很长并且会令人困惑的代码。

将在 amp 代码中使用的结构的构造函数是否需要包含 restrict(amp)？前任：

还是应该像...

我已经编写了读取和解析可变数量的 .dat 文件并将它们存储到 2D 向量中的代码，每个文件都在单独的向量中。现在，我正在尝试利用并行处理 (GPU) 来对这些向量执行一些计算。但是，许多询问对我来说仍然模棱两可，如果您能向我澄清，我将不胜感激。

1. 声明时是否必须定义extents 尺寸？因为我有基于文件的可变维数。或者我可以extent在不声明尺寸的情况下声明，concurrency::extent<2> eA;如果没有，还有什么替代选择？
2. 当我宣布array<T,N>；由于我的向量是异构的（一些数字和一些文本），我可以T用作通用类型（例如使用boost::any）吗？

我刚开始使用 C++ AMP（作为学习它的一种方式），但在性能方面我没有得到预期的结果，也许你可以帮助我。

要解决的问题很简单，我有一个向量和一个矩阵结构（C++ 代码，顺便说一句，我是 C++ 的新手）

目标是将同一个矩阵一遍又一遍地乘以数百万个这些向量。下面是进行计算的代码：

现在我可以在 CPU 或 GPU 中调用 run 这个方法。

中央处理器：

显卡：

使用 2020 万个向量运行此代码时，我得到以下结果：

• CPU (C++): 226ms
• CPU (C#) : 223 毫秒
• 显卡：339 毫秒

我有几个惊喜。首先，C# 和 C++ 代码以几乎相同的速度运行。其次，GPU 没有我希望的那么快。

我知道你必须为内存传输付出代价，但我认为这个例子不会那么明显。无论我输入多少数据，GPU总是较慢。那就是说我做错了什么，否则如果被单核cpu打败，没人会用GPU玩游戏。

问题：有没有一种方法可以在 GPU 上比在 CPU 上进行这种计算？

谢谢

仅供参考：我正在运行 Windows 7（这使我无法使用 WARP），配备 NVIDIA GeForce GTX 690 和 Intel Core i7 3930k。

我正在尝试将boost::variant2D 矢量复制到array<T,N>. 使用指令copy(vectorName.begin(), extentName);。首先我得到错误，因为向量类型是variant可以理解的。但是，在将向量类型更改为字符串后，我收到一个错误，即受限放大器不支持此类型。以下代码段是目标代码：

借此：

有什么方法可以处理 C++-AMP 中的字符串吗？

我对 GPU 编程和 C++ AMP 相当陌生。任何人都可以帮助制作通用优化的二维图像卷积滤波器吗？到目前为止，我的禁食版本如下所示。可以以某种方式通过平铺做得更好吗？这个版本运行起来比我的 CPU 实现要快得多，但我希望能做得更好。

绕过它的另一种方法当然是在傅里叶域中执行卷积，但我不确定只要滤波器与图像相比相当小（它没有边长是幂）它会执行顺便说一句）。