C#使用CUDA

随着信息处理的爆炸增长，传统使用CPU计算已经无法满足计算作业增长的需求，GPU的出现为批量作业提供了新的契机。GPU计算拥有很类库，比如CUDA、OpenCL等，但是可以发现CUDA是其中相对比较成熟的一个，也是目前应用最为广发的一种。于此同时开发语言的飞速发展，呈现百花齐放状态，C#语言简单高效，所以本文讲述如何使用C#调用CUDA进行GPU计算。

前言

最近几年计算机有了巨大发展，各种开发语言百花齐放，但是笔者还是钟爱C#语言，尤其是目前微软的生态开放，.NET 技术的跨平台加上方便高效的Visual Studio IDE，使得C#语言的占比不断增加。

【B站小飞机】C#调用CUDA实现GPU计算

本文使用的是C#语言调用C++开发的CUDA类库实现GPU计算，基本条件如下：

选项	内容
操作系统	Windows 10
CUDA版本	10.1
Visual Studio	2019 Enterprise

上述的环境是笔者的环境，如有异同按实际条件。

方法论

本小结介绍使用C++语言开发CUDA程序的共享链接库的方法以及如何使用C#语言调用CUDA类库。

创建C++类库

首先打开Visual Studio，然后创建C++的动态链接库项目，注意一定是动态链接库，请勿使用静态链接库，可能会有错误。

项目创建完毕之后可以看到下面的界面：

创建一个和外界交互的cudaApi.h文件、两个和CUDA相关的文件CudaKernel.cuh和CudaKernel.cu，当然可以缺省为一个文件，但是本着约定大于配置的原则，建议使用两个文件，一个是CUDA的源码文件一个是CUDA的头文件，在头文件中声明函数，源码文件对函数进行实现，之后效果如下：

然后配置一下工程，需要注意的是建议全局是x64环境，必须保证C++的动态链接库项目和C#的项目是同一种类型，一般FX(.NET Framework)默认的是Any CPU，不要使用这个选项，直接指定x64或者x86。

右键选中项目，【生成依赖】 --> 【自定义生成】 --> 【勾选CUDA10】(当然不排除你的事CUDA9或者CUDA8)

然后选择两个CUDA的核文件，选择属性，选中CUDA C/C++

最后选中项目右键，找到【连接器】--> 【输入】，在类库中输入cudart.lib，点击确定。

作为初期实验，建议先复制我的代码，先理解这个流程之后再自己自定义创建CUDA类库。

//cudaApi.h
#pragma once
#define CUDADD_API __declspec(dllexport)
extern "C" {
	//CUDA API
	CUDADD_API int arrayAdd(int* a, int* b, int* c, int size);
}

//CudaKernel.cuh
#include "cudaApi.h"
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
__global__ void addKernel(int* c, const int* a, const int* b);
CUDADD_API int arrayAdd(int* a, int* b, int* c, int size);

CUDA核心实现代码\(^{[1]}\)：

//CudaKernel.cu
#include "CudaKernel.cuh"
__global__ void addKernel(int* c, const int* a, const int* b)
{
	int i = threadIdx.x;
	c[i] = a[i] + b[i];
}
CUDADD_API int arrayAdd(int c[], int a[], int b[], int size)
{
	int result = -1;
	int* dev_a = 0;
	int* dev_b = 0;
	int* dev_c = 0;
	cudaError_t cudaStatus;
	cudaStatus = cudaSetDevice(0);
	if (cudaStatus != cudaSuccess) {
		result = 1;
		goto Error;
	}
	cudaStatus = cudaMalloc((void**)& dev_c, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 2;
		goto Error;
	}
	cudaStatus = cudaMalloc((void**)& dev_a, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 3;
		goto Error;
	}
	cudaStatus = cudaMalloc((void**)& dev_b, size * sizeof(int));
	if (cudaStatus != cudaSuccess) {
		result = 4;
		goto Error;
	}
	cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
	if (cudaStatus != cudaSuccess) {
		result = 5;
		goto Error;
	}
	cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
	if (cudaStatus != cudaSuccess) {
		result = 6;
		goto Error;
	}
	addKernel << <10, size >> > (dev_c, dev_a, dev_b);
	cudaStatus = cudaDeviceSynchronize();
	if (cudaStatus != cudaSuccess) {
		result = 7;
		goto Error;
	}
	cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
	if (cudaStatus != cudaSuccess) {
		result = 8;
		goto Error;
	}
	result = 0;
	cudaStatus = cudaDeviceReset();
	if (cudaStatus != cudaSuccess) {
		return 9;
	}
Error:
	cudaFree(dev_c);
	cudaFree(dev_a);
	cudaFree(dev_b);
	return result;
}

重新生成程序如果不报错就可以成功生成一个CUDA的DLL动态链接库。

到此为止CUDA的动态链接库编写完成，开始编写C#程序，本程序使用的是.NET Core 2.2，如果你的电脑没有此环境可以自己创建一个C#的控制台项目，代码均相同。

创建C#类库

创建C#项目不再赘述，直接创建控制台项目即可完成测试，下面提供一个我的C#的一个类作为参考：

//CudaRunner.cs
class CudaRunner
    {
        public void Run()
        {
            var a = new int[] { 1, 2, 3, 45, 456, 454, 1, 4, 65, 32, 456, 1, 56, 32, 512, 3, 5416, 86, 54, 4236, 12, 113, 321 };
            var b = new int[] { 1, 2, 3, 45, 456, 454, 1, 4, 65, 32, 456, 1, 56, 32, 512, 3, 5416, 86, 54, 4236, 12, 113, 321 };
            var c = new int[a.Length];
            arrayAdd(c, a, b, a.Length);
            for (int i = 0; i < c.Length; i++)
            {
                Console.WriteLine("{0} + {1} = {2}", a[i], b[i], c[i]);
            }
        }
        //.NET Framework 可以相对路径，.NET Core 就需要用绝对路径，或者自己配置
        [DllImport(@"C:\Users\muxuan\source\repos\CudaSharpDemo\x64\Debug\CudaSharp.dll", CallingConvention = CallingConvention.StdCall)]
        public static extern int arrayAdd(int[] c, int[] a, int[] b, int size);
    }

然后在控制台的Program.cs中调用一下即可，再次强调，这里不要使用Any CPU！！！

实验环节

实验环节很简单，如果你是用的我的程序可以直接运行查看效果，这是一个矩阵的加法。

结论与总结

到上面的实验环节基本程序部分已经结束，但是你可能会发现使用GPU计算这些数据的速度并没有CPU的快速，原因在哪呢？归结一下两个原因\(^{[2]}\)：

1. 计算量太小，不够复杂。GPU的优势是核心较多，每一个核心的计算时间越长，整体的时间差异就会越明显，比如每一个核心计算数耗时是1ms，有1000个计算大概需要耗时1s左右，但是对于GPU(1060)超过1000个CUDA核心时，将在1ms内计算完毕，CPU的理论时间消耗是GPU的1000倍左右。

2. GPU设备初始化。初始化时间主要来自几个部分：设备初始化、数据拷贝，其中数据初始化耗时是不可控的，属于硬件底层，数据拷贝是指从CPU拷贝数据到GPU计算数据，然后GPU将数据重新拷贝到CPU的过程，这个过程耗时可控也是主导部分。

参考文献

[1] C与CUDA混合编程的配置问题

[2] 新手问下关于CUDA效率的问题

附录

源码：蓝奏云，CSDN