问题标签 [c++-amp]

我编写了一个小测试函数，它的行为与我想要的不同。

基本上，它应该读取一个数组并写回它的内容（稍后，当它工作时，它应该做更多，但现在即使这样也失败了）。

调试到 GPU 代码，我看到前几次迭代（不知何故并行执行.. 这可能对 GPU 有意义，但当我调试时让我感到惊讶）工作正常.. 但是，在 1-2 次调试后继续(F5)，一些以前正确设置的值被 0 覆盖。我真的不明白..当我再次上CPU时，许多值都是0，即使它们不应该是0（基本上，它们应该有原始数据，这是一个简单的测试序列）。

如此简单（计划）的步骤：

• 初始化数组
• 将数组传递给 GPU（作为无符号整数数组）
• 将每个 unsigned int 拆分为 4 个字节并将它们存储在浮点数中
• （做一些计算，为简单起见这里省略）
• 将 bytes-stored-in-floats 再次连接到原始位置
• （重复）

如果您想知道..那应该是颜色值..

结果是：

• 一些值符合预期，但大多数值不同
• 似乎特别是字节0（每个无符号整数）会有一个坏值
• 我首先尝试使用 & 0xFF 转换 unsigned int->byte->float 但这似乎完全失败了

输出是（但应该只是从 0 开始递增的数字）：

0, 1, 2, 3, 0, 5, 6, 7, 0, 9, 10, 11, 16, 13, 14, 15, 0, 17, 18, 19, 32, 21, 22, 23, 32, 25, 26, 27, 32, 29, 30, 31, 0, 33, 34, 35, 64, 37, 38, 39, 64, 41, 42, 43, 64, 45, 46, 47, 64, 49,

问题：

• 为什么& 0xFF有问题？
• 为什么每个 unsigned int 的字节 0 都分配了一个奇怪的值？
• 我想我不能创建一个字节数组视图，我必须使用整数或浮点数？
• 注释掉 .synchronize 最终并没有改变任何东西 - 怎么会？

如果我想使用 GPU 在网络上进行一些并行计算（通过 C++ AMP 更好），我如何使用 GPU 内存中的网络数据？

如何将邻接列表复制到 GPU 的内存中使用？

邻接矩阵对于大型稀疏网络来说太大了，所以我不想使用邻接矩阵。

我需要一个用于C++ AMP的矩阵库，它能够执行基本操作以及任意大小矩阵的矩阵求逆和 QR 分解。

我最初发现有一个BLAS AMP 实现，但是我找不到任何地方说明 BLAS 是否可以执行矩阵求逆，谁能告诉我它的功能和/或建议一个更适合 AMP 的并行矩阵库？谢谢！

编辑：我找到了一个能够进行矩阵求逆的LAPACK AMP 库（我认为），但它仍在开发中 :(

我编写了一个程序，该程序通过结构的未排序向量进行大量搜索以查找唯一元素的索引。此搜索在 for 循环中的每次迭代中进行多次，并且向量内的数据在 for 循环迭代期间多次更改（仅添加数据，不删除任何内容）。现在程序做我想做的事情，但是比较慢，所以在我让VS2012分析我的程序的性能后，我发现程序有超过80%的时间是在搜索未排序的向量，所以我很自然地想要优化搜索。我知道我能得到的最好的结果是 O(n)，因为它是一个未排序的向量（每个元素都是唯一的，元素的顺序一旦插入就不能改变），但我希望以某种方式减少运行时间。

我一直在考虑使用并行处理来减少程序运行时间，微软的 AMP 库看起来很有希望。从外观上看，您可以使用并行处理来遍历数组以查找数组中的元素。但是未排序向量中的数据变化很大，所以这不会将瓶颈从迭代向量转移到从 CPU 到 GPU 的数据传输，或者有 AMP 内置优化来解决这个问题吗？请记住：向量中的数据仅添加到向量的末尾，不会删除任何内容。

以防万一：这是我使用的向量和搜索功能：

• 设备：特斯拉 C2050
• 操作系统：Windows 7 企业版
• IDE：VS 2012

大家好。我正在使用 AMP C++ 进行一些体积计算。

我有数百万个四面体，一点在 (0,0,0)。所以我可以用一种简单的方式得到四面体的体积：

因此，我想通过使用 AMP C++ 来加快计算速度。

这是代码。

主要功能是：

所以，每一项工作都失败了。但有趣的是。它比 CPU（单核）代码成本更高。

CPU（单核）上的 C++ 花费 0.085 秒来完成 1024 * 1024 * 2 个三角形的计算。但是 AMP C++ 代码需要 0.530 秒。比 c++ 代码要多得多。

在网上搜索后，有一个提示：如果我们先预热设备，我们可以得到“实时”计算的时间成本。

所以我首先计算 128 个三角形来预热设备（花费大约 0.2 秒），然后通过计算 1024 * 1024 * 2 个三角形得到体积。它变得更快（花费大约 0.091 秒），但仍然比 CPU（单核）代码慢。

我想知道为什么，以及任何可以帮助我加快计算速度的人。

非常感谢。

我的任务是查看我开发的算法是否可以使用 GPU 而不是 CPU 上的计算更快地运行。我是加速器计算的新手，我得到了一本我已经彻底阅读过的书“C++ AMP”，我认为我对它的理解相当好（我过去用 C 和 C++ 编写过代码，但现在主要是 C#）。

但是，当进入实际应用程序时，我似乎只是不明白。所以，如果可以的话，请帮助我。

假设我有一个任务来计算一些复杂的函数，该函数需要一个巨大的矩阵输入（如 50000 x 50000）和一些其他数据并输出相同大小的矩阵。整个矩阵的总计算需要几个小时。

在 CPU 上，我只是将任务分成几部分（部分数量大约为 100 左右）并使用 Parralel.For 执行它们，或者只是我自己编写的一个简单的任务管理循环。基本上，保持几个线程运行（线程数 = 内核数），当线程完成时开始新的部分，直到所有部分都完成。而且效果很好！

但是，在 GPU 上，我不能使用相同的方法，不仅因为内存限制（没关系，可以分成几个部分），而且因为如果某些东西运行超过 2 秒，它被认为是“超时”并且 GPU 得到重置！因此，我必须确保我的计算的每个部分运行时间少于 2 秒。

但这并不是每个任务（例如，将一个小时的工作分成 60 个任务，每个任务 1 秒），这很容易，这就是每组任务，因为无论我选择哪种队列模式（立即或自动），如果我运行（通过 parralel_for_each）任何总共需要超过 2 秒才能执行的东西，GPU 将被重置。

不仅如此，如果我的 CPU 程序占用了所有 CPU 资源，只要它保持较低的优先级，UI 就会保持交互 - 系统是响应式的，但是，当在 GPU 上执行代码时，屏幕似乎被冻结，直到执行完成！

那么，我该怎么办？在本书的演示（N-Body 问题）中，它表明它的效率应该是 100 倍（多核计算给出 2 gflops，或者 w/e 的 flops 数量，而 amp 给出 200 gflops），但是在实际应用中，我只是不知道该怎么做！

我是否必须将我的大任务划分为数十亿个部分，例如，划分为每个需要 10 毫秒才能执行的部分，并一次在 parralel_for_each 中运行 100 个？

还是我只是做错了，而我没有得到更好的解决方案？

请帮忙！

我正在尝试使用 C++ AMP 计算斐波那契，每个数字将取决于其前两个。所以代码是这样的：

第三个线程（ idx[0] == 2 ）将在这一行等待：

它不会被设置为非零数，因此所有线程都将简单地卡在循环中。

有什么出路吗？

最近我写了一个这样的函数：

Visual Studio 报告以下错误：

错误 C1451：编译 concurrency::parallel_for_each 的调用图时无法生成调试信息

删除DLLEXPORT修饰符后，错误消失了，但我无法再将此功能导出到其他程序。

我该如何解决这个问题？

我正在尝试将数据复制到 tile_static 以进行长期运行的过程。在我看到的所有示例中，声明了一个数组，并为磁贴中的每个线程逐个填充数据。然后这些线程共享该数据。我想要做的只是用 tile_static 复制一些数据以供单个线程使用。我不需要分享它，但由于它对于长时间运行的线程来说非常重要，我的理解是它会提高性能。我不确定这是否是正确的方法。我试图进行的 tile_static 调用位于 parallel_for_each 循环的底部附近，如下所示：

为了清楚起见，我包含了额外的代码。

我需要更新一些用于 Aho-Corasick 算法的代码，以便使用 GPU 实现该算法。但是，代码严重依赖于面向对象的编程模型。我的问题是，是否可以将对象传递给parallel for each？如果不; 有什么办法可以使我免于再次重写整个代码。如果这似乎是幼稚的问题，我深表歉意。C++-AMP 是我在 GPU 编程中使用的第一种语言。因此，我在这个领域的经验非常有限。