Question

我正在对gpu进行一些非常基本的图像处理。我传递一个填充了一个接一个存储的像素RGB值的数组。

我像

一样启动我的内核

kernel<<<numBlocks,numThreadsPerBlock>>>(unsigned char * imageData, int val)

网格大小取决于我的图像有多大，但通常会像数千块512-1024个线程一样

在内核中，我做了一些基本的计算，并直接从全局内存中比较值。

int blueIdx = (blockIdx.x * blockDim.x + threadIdx.x) * 3;
    int greenIdx = blueIdx + 1;
    int redIdx = greenIdx + 1;
float ypx = 0.299 * imageData[redIdx] + 0.587 * imageData[greenIdx] + 0.114 * imageData[blueIdx];

if( ypx > val) 
    imageData[blueIdx] = 255;

有没有办法优化这种类型的访问？基本上从2d数组中读取值，执行简单的静态乘法，执行比较，然后将新值保存回全局内存。

我已尝试过共享内存但我的实现速度较慢。我假设，因为线程是独立的共享内存将无济于事。

Answer 1

我还没有尝试过，但依赖于使用uchar3甚至uchar4（对于32位对齐）的编译器的聪明性（即缺少它）可能会更快。我必须查看它为内核生成的PTX代码以确保。

int idx = blockIdx.x * blockDim.x + threadIdx.x;
uchar3 rgb = imageData[idx];
float ypx = 0.299 * rgb.x + 0.587 * rgb.y + 0.114 * rgb.z;

if( ypx > val) {
    rgb.z = 255;
    imageData[idx] = rgb;
}

请注意，只有一个读操作。它只是没有比这更简单。好吧，由于更容易合并，将写操作移出条件分支可能会更快，但由于更多的写操作，它也可能更慢。实验

但实际上，事情应该非常快。我假设您可以在现代游戏GPU上以大约5-10毫秒的速度在1GB数据上运行此内核。这对你来说太慢了吗？你确定内核需要太长时间吗？

优化CUDA 2d阵列访问

1 个答案: