这似乎是一个简单的问题,但我无法用CUDA Thrust找出一种优雅的方法。
我有一个二维矩阵NxM和一个大小为L的所需行索引的向量,它是所有行的子集(即L 非常感谢你的帮助。
答案 0 :(得分:3)
您所询问的内容似乎是一个相当直接的流压缩问题,并且没有任何特殊的问题,使用推力,但有几个曲折。要选择要复制的行,您需要具有流压缩算法可以使用的模板或密钥。这需要使用您要复制的行列表通过搜索或选择操作构建。
执行此操作的一个示例程序将是这样的:
counting_iterator
和transform_iterator
可以合并来完成这个thrust::binary search
可用于此目的。搜索产生流压缩操作的模板thrust::copy_if
使用模板在输入矩阵上执行流压缩。这听起来像很多工作和中间步骤,但计数和转换迭代器实际上并不产生任何中间设备向量。唯一需要的中间存储是模板数组,它可以是一个布尔值(所以m * n个字节)。
代码中的完整示例:
#include <thrust/copy.h>
#include <thrust/binary_search.h>
#include <thrust/iterator/counting_iterator.h>
#include <thrust/iterator/transform_iterator.h>
#include <thrust/device_vector.h>
#include <cstdio>
struct div_functor : public thrust::unary_function<int,int>
{
int m;
div_functor(int _m) : m(_m) {};
__host__ __device__
int operator()(int x) const
{
return x / m;
}
};
struct is_true
{
__host__ __device__
bool operator()(bool x) { return x; }
};
int main(void)
{
// dimensions of the problem
const int m=20, n=5, l=4;
// Counting iterator for generating sequential indices
// Sample matrix containing 0...(m*n)
thrust::counting_iterator<float> indices(0.f);
thrust::device_vector<float> in_matrix(m*n);
thrust::copy(indices, indices+(m*n), in_matrix.begin());
// device vector contain rows to select
thrust::device_vector<int> select(l);
select[0] = 1;
select[1] = 4;
select[2] = 9;
select[3] = 16;
// construct device iterator supplying row numbers via a functor
typedef thrust::counting_iterator<int> counter;
typedef thrust::transform_iterator<div_functor, counter> rowIterator;
rowIterator rows_begin = thrust::make_transform_iterator(thrust::make_counting_iterator(0), div_functor(n));
rowIterator rows_end = rows_begin + (m*n);
// constructor a stencil array which indicates which entries will be copied
thrust::device_vector<bool> docopy(m*n);
thrust::binary_search(select.begin(), select.end(), rows_begin, rows_end, docopy.begin());
// use stream compaction on the matrix with the stencil array
thrust::device_vector<float> out_matrix(l*n);
thrust::copy_if(in_matrix.begin(), in_matrix.end(), docopy.begin(), out_matrix.begin(), is_true());
for(int i=0; i<(l*n); i++) {
float val = out_matrix[i];
printf("%i %f\n", i, val);
}
}
(通常的免责声明:使用风险自负)
关于我唯一的评论是copy_if
调用的谓词感觉有点多余,因为我们已经有一个可以直接使用的二进制模板,但似乎没有变体可以直接在二进制模板上操作的压缩算法。同样,我想不出直接在流压缩调用中使用行列表的合理方法。可能有一种更有效的方法来实现推力,但这至少应该让你开始。
从你的评论来看,似乎空间紧张,二进制搜索和模板创建的额外内存开销对你的应用程序来说太高了。在这种情况下,我会遵循我在评论Roger Dahl的答案时提出的建议,并使用自定义复制内核。推力设备向量可以转换为可以直接传递给内核(thrust::raw_pointer_cast
)的指针,因此它不需要干扰您现有的推力代码。我建议每行使用一个线程块进行复制,这样可以实现读写的合并,并且比每行使用thrust::copy
要好得多。一个非常简单的实现可能看起来像这样(重用我的大多数推力示例):
#include <thrust/copy.h>
#include <thrust/iterator/counting_iterator.h>
#include <thrust/device_vector.h>
#include <cstdio>
__global__
void rowcopykernel(const float *in, float *out, const int *list, const int m, const int n, const int l)
{
__shared__ const float * inrowp;
__shared__ float * outrowp;
if (threadIdx.x == 0) {
inrowp = (blockIdx.x < l) ? in + (n*list[blockIdx.x]) : 0;
outrowp = out + (n*blockIdx.x);
}
__syncthreads();
for(int i=threadIdx.x; (inrowp != 0) && (i<n); i+=blockDim.x) {
*(outrowp+i) = *(inrowp+i);
}
}
int main(void)
{
// dimensions of the problem
const int m=20, n=5, l=4;
// Sample matrix containing 0...(m*n)
thrust::counting_iterator<float> indices(0.f);
thrust::device_vector<float> in_matrix(m*n);
thrust::copy(indices, indices+(m*n), in_matrix.begin());
// device vector contain rows to select
thrust::device_vector<int> select(l);
select[0] = 1;
select[1] = 4;
select[2] = 9;
select[3] = 16;
// Output matrix
thrust::device_vector<float> out_matrix(l*n);
// raw pointer to thrust vectors
int * selp = thrust::raw_pointer_cast(&select[0]);
float * inp = thrust::raw_pointer_cast(&in_matrix[0]);
float * outp = thrust::raw_pointer_cast(&out_matrix[0]);
dim3 blockdim = dim3(128);
dim3 griddim = dim3(l);
rowcopykernel<<<griddim,blockdim>>>(inp, outp, selp, m, n, l);
for(int i=0; i<(l*n); i++) {
float val = out_matrix[i];
printf("%i %f\n", i, val);
}
}
(标准免责声明:使用风险自负)。
执行参数选择可以变得更加漂亮,但除此之外应该是所有需要的。如果您的行非常小,您可能需要调查每行使用 warp 而不是块(因此一个块会复制多行)。如果输出行超过65535,则需要使用2D网格,或修改代码以使每个块执行多行。但是,正如基于推力的解决方案一样,这应该让你开始。
答案 1 :(得分:0)
我认为没有办法用Thrust做到这一点但是,因为操作将受内存限制,所以应该很容易编写以最大可能性能执行此操作的内核。只需创建与向量中的索引相同数量的线程。让每个线程计算一行的源地址和目标地址,然后使用memcpy()
复制该行。
您可能还需要仔细考虑是否可以设置后续处理步骤以访问到位的行,从而避免整个,昂贵的“压缩”操作,这只会改变内存。即使寻址行变得稍微复杂一些(额外的内存查找和乘法,也许),整体性能可能会好得多。
答案 2 :(得分:0)
如果您没有确定推力,请查看Arrafire:
令人惊讶的是,与推力不同,这个库对下标索引具有原生支持, 这样你的问题就可以通过几行代码来解决:
const int N = 7, M = 5;
float L_host[] = {3, 6, 4, 1};
int szL = sizeof(L_host) / sizeof(float);
// generate random NxM matrix with cuComplex data
array A = randu(N, M, c32);
// array used to index rows
array L(szL, 1, L_host);
print(A);
print(L);
array B = A(L,span); // copy selected rows of A
print(B);
和结果:
A =
0.7402 + 0.9210i 0.6814 + 0.2920i 0.5786 + 0.5538i 0.2133 + 0.4131i 0.7305 + 0.9400i
0.0390 + 0.9690i 0.3194 + 0.8109i 0.3557 + 0.7229i 0.0328 + 0.5360i 0.8432 + 0.6116i
0.9251 + 0.4464i 0.1541 + 0.4452i 0.2783 + 0.6192i 0.7214 + 0.3546i 0.2674 + 0.0208i
0.6673 + 0.1099i 0.2080 + 0.6110i 0.5876 + 0.3750i 0.2527 + 0.9847i 0.8331 + 0.7218i
0.4702 + 0.5132i 0.3073 + 0.4156i 0.2405 + 0.4148i 0.9200 + 0.1872i 0.6087 + 0.6301i
0.7762 + 0.2948i 0.2343 + 0.8793i 0.0937 + 0.6326i 0.1820 + 0.5984i 0.5298 + 0.8127i
0.7140 + 0.3585i 0.6462 + 0.9264i 0.2849 + 0.7793i 0.7082 + 0.0421i 0.0593 + 0.4797i
L = (row indices)
3.0000
6.0000
4.0000
1.0000
B =
0.6673 + 0.1099i 0.2080 + 0.6110i 0.5876 + 0.3750i 0.2527 + 0.9847i 0.8331 + 0.7218i
0.7140 + 0.3585i 0.6462 + 0.9264i 0.2849 + 0.7793i 0.7082 + 0.0421i 0.0593 + 0.4797i
0.4702 + 0.5132i 0.3073 + 0.4156i 0.2405 + 0.4148i 0.9200 + 0.1872i 0.6087 + 0.6301i
0.0390 + 0.9690i 0.3194 + 0.8109i 0.3557 + 0.7229i 0.0328 + 0.5360i 0.8432 + 0.6116i
它也很快。我用一个大小为cuComplex的数组测试了这个 2000 x 2000使用以下代码:
float *g_data = 0, *g_data2 = 0;
int g_N = 2000, g_M = 2000, // matrix of size g_N x g_M
g_L = 400; // copy g_L rows
void af_test()
{
array A(g_N, g_M, (cuComplex *)g_data, afDevicePointer);
array L(g_L, 1, g_data2, afDevicePointer);
array B = (A(L, span));
std::cout << "sz: " << B.elements() << "\n";
}
int main()
{
// input matrix N x M of cuComplex
array in = randu(g_N, g_M, c32);
g_data = (float *)in.device< cuComplex >();
// generate unique row indices
array in2 = setunique(floor(randu(g_L) * g_N));
print(in2);
g_data2 = in2.device<float>();
const int N_ITERS = 30;
try {
info();
af::sync();
timer::tic();
for(int i = 0; i < N_ITERS; i++) {
af_test();
}
af::sync();
printf("af: %.5f seconds\n", timer::toc() / N_ITERS);
} catch (af::exception& e) {
fprintf(stderr, "%s\n", e.what());
}
in.unlock();
in2.unlock();
}