我对CUDA相对较新，目前正在开展一项项目，以加速使用gpu附加的嵌入式系统中的计算机视觉应用程序（NVIDIA TX1）。我想要做的是在两个库之间进行选择：OpenCV和VisionWorks（包括OpenVX）。
目前，我已经制作了运行Canny Edge Detection算法的测试代码，两个库显示了不同的执行时间（VisionWorks实现时间缩短了约30~40％）。
所以，我想知道原因可能是什么，从而分析了占用时间最多的内核：＆can; :: canny :: edgesHysteresisLocalKernel＆＃39;来自OpenCV4Tegra，占整个应用程序的37.2％（来自OpenCV实现和VisionWorks实现）和＆＃39; edgesHysteresisLocal＆＃39;来自VisionWorks。
我遵循了指导分析＆＃39;并且分析器建议应用程序都是延迟限制的，并且下面是“edgeHysteresisLocal”和“＃39; edgesHysteresisLocal”的捕获。来自VisionWorks，以及＆can; :: edgeHysteresisLocalKernel＆＃39;来自OpenCV4Tegra。
OpenCV4Tegra - canny::edgesHysteresisLocalKernel
VisionWorks - edgesHysteresisLocal
所以，我的问题是，
从分析中，我能说出不同表现的原因？
此外，在总体分析CUDA应用程序时，从哪里开始？我的意思是，有很多指标，很难说出要看什么。
是否有一些关于CUDA应用程序概要分析的教育资料？ （我查看了NVIDIA的许多幻灯片，我认为他们只是告诉指标的定义，而不是一般从哪里开始。）
- 顺便说一下，据我所知，NVIDIA并没有提供VisionWorks和OpenCV4Tegra的源代码。如果我错了，请纠正我。
提前感谢您的回答。
答案 0 :(得分：1)
1/2个库之间的shared_memory使用情况不同这可能是导致性能差异的原因。
2 /通常使用三个指标来了解我的算法是否针对CUDA设备进行了良好编码：
另一件事：
如果您只是想要限制使用lib而不是为了选择最佳，那么为什么需要理解每个实现（这很有趣但不是先决条件不是吗？）
为什么不根据度量标准测量算法性能与循环时间和生成结果的质量（假阳性，已知结果的平均误差，......）
