我正在使用GPU上的图像处理（CUDA）。 CUDA内核的输入是两个灰度8位图像（.tif）。它们必须在GPU RAM内存中作为1D阵列（基于0的行主存储）。处理时间约为24ms，因此读取速度对我来说很重要。为了做到这一点，首先我需要将图像从HDD读取到CPU RAM内存（进入1d浮点数组），然后使用cudamemcpy将其复制到GPU RAM中。用c ++读取硬盘的最快方法是什么？
我的图像是8位灰度1200x1600（大小1.92 mb）。我写了测试程序，读取大约250张图像并测量时间：
使用matlab（imread），阅读1张图片的时间为5.8ms。这相当于~300 Mb/s，接近我硬盘的峰值带宽。
但是，只要我使用CUDA，我就需要使用C ++。我安装了OpenCV。不幸的是，我无法使用OpenCV将图像直接读入浮点数组。在将其读入uchar数组后，我将数据转换为浮点数组：
image = imread(b, 0);
image.convertTo(img_float, CV_32F);
float *d = img_float.ptr<float>(0);
在测试此实现后，我得到了更糟糕的结果：每个图像8.8ms。没有转换它是8.2 ms。通常c++比Matlab更快。是否有可能用c ++实现峰值带宽，就像我用Matlab做的那样？
P.S。在c ++中，我使用了release x64模式并进行了全面优化。阅读250个不同图像的时间是通过matlab中的clock()和c++中的函数tic-toc来测量的（并且在每个图像中被划分为250以找到时间）。
由于
答案 0 :(得分：2)
有几点需要注意。第一：尝试验证您的基准测试是否正确。文件系统缓存可以影响结果吗？如果是，请尝试使用更大的数据。您的基准测量是否衡量您真正想要测量的内容（即MatLab是否真的将图像转换为浮动）？图像是否正确读取而没有错误？
您问题的直接答案＆＃34;用c ++读取硬盘的最快方法是什么？＆＃34;很可能＆＃34; C ++（几乎）没有影响从HDD到RAM的数据传输速度＆＃34;。分配所需的内存量并使用操作系统的本机API来读取文件：您将获得最大值。
可能重要的是TIFF图像处理库。试着找出OpenCV用来处理TIFF的库。它是否对某些中间表示执行任何不必要的转换或只读取字节blob？如果前者是真的，尝试找到另一个库，甚至手动解析TIFF图像（如果它没有压缩，解析TIFF不是什么大问题）。转换为浮动可能不是瓶颈。 OpenCV能够使用多线程（验证所有CPU内核都被使用）和矢量化（您可以通过查看执行转换的实际代码来检查它）。此外，如果您需要重复执行这些操作，请避免在循环中分配和释放内存：不要执行转换＆＃34;就地＆＃34;，而是使用两个单独的数组（一个用于8位图像，一个对于浮点）。
P.S。是不是可以在GPU中转换图像？