CUDA卷积 - 不可分离的内核

Question

我需要使用不可分离的内核实现图像卷积的高效版本（因此CUDA的sdk仅适用于FFT示例，但很明显它只适用于大内核大小）

除了我从头开始实现它之外，我的需求是在先验未知大小的矩阵和内核上运行（它们可以是10x10，因为20.000x20.000，我根本无法预测）

您对FFT示例有何建议？ （如果这是你最好的选择，请给我一些好点，开始弄清楚它是如何工作的）

对于第二个选择（由我自己手动实现卷积），最大化内存合并的建议是什么？

Answer 1

我对gpu的建议：

1. 首先做对了。使用您的算法轻松搞定    想要实施    首先在GPU上的GPU上。你将不得不处理这么多    更低级别的细节，因此知道输出必须是什么非常重要。

2. 快点。如果可以使用FFT方法，则最快   （大多数情况）。

为了实现您的第一个目标，我建议您尝试使用OpenCv实现它。 它有一个非常好的python包装器和provide a framework for filtering

一旦确定了结果以及如何使用OpenCv实现这一目标，请测试是否可以 使用FFT做同样的事情。将整个移植到GPU上会更容易

Answer 2

你可能想看一下theano中卷积的实现（它们使用非基于FFT的内核）......或者只是使用theano。