本文將計算兩個矢量(數組)的和。分別在CPU和GPU上進行計算。
/**
* 並行計算
*/
#include <stdio.h>
#include <iostream>
#include<sys/time.h>
using namespace std;
#define N (200000)
void add_cpu(int *a, int *b, int *c)
{
int tid = 0;
while(tid < N)
{
c[tid] = a[tid] + b[tid];
tid += 1;
/* code */
}
}
__global__ void add(int *a, int *b, int *c)
{
int tid = blockIdx.x;
while(tid < N)
{
c[tid] = a[tid] + b[tid];
tid += 1;
/* code */
}
}
// CPU 求和
int main_cpu()
{
int a[N], b[N], c[N];
struct timeval tv1, tv2;
for (int i = 0; i < N; i++)
{
a[i] = -i;
b[i] = i*i;
}
gettimeofday(&tv1, NULL);
add_cpu(a, b, c);
gettimeofday(&tv2, NULL);
float time = (1000000 * (tv2.tv_sec - tv1.tv_sec) + tv2.tv_usec- tv1.tv_usec)/1000.0;
cout << "time cpu: " << time << "ms, num : " << c[N-1] << endl;
return 0;
}
// GPU 求和
int main(int argc, char const *argv[])
{
int a[N], b[N], c[N];
int *dev_a, *dev_b, *dev_c;
struct timeval tv1, tv2;
cudaMalloc((void**)&dev_a, N * sizeof(int));
cudaMalloc((void**)&dev_b, N * sizeof(int));
cudaMalloc((void**)&dev_c, N * sizeof(int));
// 在CPU上爲數組 a/b賦值
// 這裏在CPU就給輸出數據賦初值,並沒有特殊原因。事實上,如果在GPU上對數組賦值,這個步驟執行的會更快。
// 但是這段代碼的目的是說明如何在顯卡上實現兩個矢量的加法運算,因此我們僅僅將計算部分放在顯卡上實現,
// 輸入則在CPU上進行。
for(unsigned i = 0; i < N; ++i)
{
a[i] = -i;
b[i] = i*i;
}
cudaMemcpy(dev_a, a, N * sizeof(int), cudaMemcpyHostToDevice);
cudaMemcpy(dev_b, b, N * sizeof(int), cudaMemcpyHostToDevice);
cudaMemcpy(dev_c, c, N * sizeof(int), cudaMemcpyHostToDevice);
gettimeofday(&tv1, NULL);
// 調用kernel函數,<<<1,1>>>指gpu啓動1個線程塊,每個線程塊中有1個線程
// <<<256,1>>>指gpu啓動256個線程塊,每個線程塊中有1個線程, 如果是這樣,就會有一個問題:
// 既然GPU將運行核函數的N個副本,那如何在代碼中知道當前正在運行的是哪一個線程塊?
// 這個問題可以在代碼中找出答案:
// int tid = blockIdx.x
// 乍一看,將一個沒有定義的變量賦值給了變量tid,但是 blockIdx 是一個內置變量,在cuda運行是中已經定義了。
// 這個變量把包含的值就是當前執行設備代碼的的線程塊索引。
//
// 問題又來了,爲什麼不是寫 int tid = blockIdx呢? 事實上,這是因爲cuda支持二維的線程塊數組,對於二維空間的計算問題,
// 例如矩陣數學運算或者圖像處理,使用二維索引往往回答來很大的便利,因爲他可以避免將線性索引轉換爲矩形索引。
add<<<1, 1>>>(dev_a, dev_b, dev_c);
gettimeofday(&tv2, NULL);
float time = (1000000 * (tv2.tv_sec - tv1.tv_sec) + tv2.tv_usec- tv1.tv_usec)/1000.0;
cout << "time gpu: " << time << "ms";
cudaMemcpy(c, dev_c, N * sizeof(int), cudaMemcpyDeviceToHost);
cout << ", num : " << c[N-1] << endl;
cudaFree(dev_a);
cudaFree(dev_b);
cudaFree(dev_c);
main_cpu();
return 0;
}
// time gpu: 0.048ms
// time cpu: 1.248
當我把N設置的很大的時候 N = 200000
結果,這個時候GPU的運算速度是CPU的33.6倍
當我把N設置的比較小的時候 N = 200,此時很明顯CPU的運算速度超過了GPU
爲什麼會出現上述情況呢?
舉個例子說明:
比如說現在有2000個人要乘船過江去,如果論單個人的運輸速度,那麼摩托艇肯定快於大輪渡了;但是要是論全部運輸完所用的時間,那肯定輪渡早運輸完了,摩托艇還在飛快的跑着呢?
從理論上來說,1080TI有 3584換個CUDA核心,頻率是1582MHz, 2FLOPS/cycle,浮點性能358415822=11.3TFOPS。
每個CUDA核心 2FLOPS/cycle * 1.5G = 3GTFLOPS
同期Intel® Xeon® CPU E5-2620 v3 @ 2.40GHz 12核心。運算峯值:2.4x1232(32是V4處理器支持SIMD的速算因子,即一個始終週期內能做32次浮點運算)=1.34TFLOPS。
單核性能:2.432=76.8TFLOPS
如此看來,單核CPU的新能完勝GPU的單核;也就是說,在CUDA和很少的情況下,計算性能不如CPU; 但是架不住CUDA的核心多呀,人多力量大。
所以得出結論:CPU和 GPU的計算能力存在一個交叉點。過了這個交叉點,GPU遠遠超過了CPU.