Question

我用CUDA开发了以下插值，我正在寻找一种改进这种插值的方法。出于某些原因，我不想使用CUDA纹理。

另一点我注意到，由于某些未知的原因，如果向量的大小优于线程的数量（例如，使用向量的向量），则在我的情况下不对整个向量执行插值。大小为1000，并且线程数等于512，一个线程完成它的第一个工作就是全部。我想优化singleInterp函数。

这是我的代码：

__device__ float singleInterp(float* data, float x, int lx_data) { 

float res = 0;    
int i1=0;
int j=lx_data; 
int imid;

while (j>i1+1)  
{  
    imid = (int)(i1+j+1)/2;
    if (data[imid]<x) 
         i1=imid;
    else 
        j=imid;
} 
if (i1==j)
    res = data[i1+lx_data];
else
    res =__fmaf_rn( __fdividef(data[j+lx_data]-data[i1+lx_data],(data[j]-data[i1])),x-data[i1], data[i1+lx_data]);

return res;

}

内核：

__global__ void linearInterpolation(float* data, float* x_in, int lx_data) {

int i = threadIdx.x + blockDim.x * blockIdx.x; 
int index = i; 
if (index < lx_data) 
    x_in[index] = singleInterp(data, x_in[index], lx_data);
}

Answer 1

您似乎对1D线性插值感兴趣。我已经遇到了优化这种插值的问题，最后我得到了以下代码

__global__ void linear_interpolation_kernel_function_GPU(double* __restrict__ result_d, const double* __restrict__ data_d, const double* __restrict__ x_out_d, const int M, const int N)
{
    int j = threadIdx.x + blockDim.x * blockIdx.x;

    if(j<N)
    {
        double reg_x_out = x_out_d[j/2]+M/2;
        int k = floor(reg_x_out);
        double a = (reg_x_out)-floor(reg_x_out);
        double dk = data_d[2*k+(j&1)];
        double dkp1 = data_d[2*k+2+(j&1)];
        result_d[j] = a * dkp1 + (-dk * a + dk);
    } 
 }

假设数据在-M/2和M/2之间的整数节点处采样。该代码与1D纹理插值“等效”，如下面的web-page所述。对于1D线性纹理插值，请参见CUDA-Programming-Guide的图13。有关不同解决方案之间的比较，请参阅以下thread。

优化CUDA插值

1 个答案: