程序参考文章:http://blog.csdn.net/gamesdev/article/details/17535755  程序优化2

简介:CUDA ,MPI,Hadoop都是并行运算的工具。CUDA是基于NVIDIA GPU芯片计算。

阐述:GPU有很多个核(几百个),每个核可以跑一个线程,多个线程组成一个单位叫做块。

举个例子:

有三个向量 int a, b, c; 我们要计算a和b的向量之和存放到c中。

一般C语言:for(int i=0; i<10; i++)  c = a + b; 这个程序是顺序执行的!

CUDA编程做法:

GPU中的每个线程(核)有一个独立序号叫index,那么只要序号从0到9的线程执行c[index] = a[index] + b[index]; 就可以实现以上的for循环。

GPU的可贵之处就是,可以并发运行多个线程,相当于一个时间内赋值10次。

  1. ////////////////////////
  2. cuda.cu
  3. ////////////////////////
  4. #include <stdio.h>
  5. #include <cuda_runtime.h>
  6.  
  7. //运行在GPU
  8. __global__ void vectorADD(int* a, int* b, int* c)
  9. {
  10. int index = threadIdx.x; //获得当前线程的序号
  11. if(index < blockDim.x)
  12. c = a + b;
  13. }
  14. int main ()
  15. {
  16. //定义10个GPU运算线程
  17. int N = 10;
  18. // 本地开辟三个数组存放我们要计算的内容
  19. int* h_a = (int*) malloc (N * sizeof(int));
  20. int* h_b = (int*) malloc (N * sizeof(int));
  21. int* h_c = (int*) malloc (N * sizeof(int));
  22. // 初始化数组A, B和C
  23. for(int i=0; i<N; i++) {
  24. h_a = i;
  25. h_b = i;
  26. h_c = 0;
  27. }
  28. // 计算10个int型需要的空间
  29. int size = N * sizeof(int);
  30. // 在GPU上分配同样大小的三个数组
  31. int* d_a;
  32. int* d_b;
  33. int* d_c;
  34. cudaMalloc((void**)&d_a, size);
  35. cudaMalloc((void**)&d_b, size);
  36. cudaMalloc((void**)&d_c, size);
  37.  
  38. // 把本地的数组拷贝进GPU内存
  39. cudaMemcpy(d_a, h_a, size, cudaMemcpyHostToDevice);
  40. cudaMemcpy(d_b, h_b, size, cudaMemcpyHostToDevice);
  41. cudaMemcpy(d_c, h_c, size, cudaMemcpyHostToDevice);
  42.  
  43. // 定义一个GPU运算块 由 10个运算线程组成
  44. dim3 DimBlock = N;
  45. // 通知GPU用10个线程执行函数vectorADD
  46. vectorADD<<<1, DimBlock>>>(d_a, d_b, d_c);
  47. // 将GPU运算完的结果复制回本地
  48. cudaMemcpy(h_c, d_c, size, cudaMemcpyDeviceToHost);
  49. // 释放GPU的内存
  50. cudaFree(d_a);
  51. cudaFree(d_b);
  52. cudaFree(d_c);
  53. // 验证计算结果
  54. for(int j=0; j<N; j++)
  55. printf("%d ", h_c);
  56. printf("\n");
  57. }

警告!:这个例子是编译不通过的;

首先:对 threadidx的使用,只能在CU文件里面;

其次:在cu文件里初始化数组是错误的: int * a ; a = new int [x];是错误的;  并且 malloc也是不可以的;

再者:文件路径里面不能包含中文,否则会出现 MSB8791 这种错误!

2. 利用CUDA并行计算点云法线

两个函数都存在于CU文件里! 通过外部CPP文件函数进行调用

  1. void normalEstimate(
  2. pcl::PointCloud<pcl::PointXYZRGB> &input ,
  3. pcl::PointCloud<pcl::PointXYZRGB> &output,
  4. int k_,
  5. float search_parameter_,
  6. int THREAD_NUM
  7. )

//运行在GPU//cal the Normal

  1. __global__ void normalEstimateSingle(pcl::PointCloud<pcl::PointXYZRGB> &input ,pcl::PointCloud<pcl::PointXYZRGB> &output, int* nn_indices ,int* nn_dists, int Gap, float search_parameter_)
  2. {
  3. const size_t computeSize =input.size() / Gap;
  4. const size_t tID = size_t(threadIdx.x );
  5. int Mark;
  6. clock_t startTime; // 开始计时
  7. if ( tID == 0 ) startTime =clock( );// 选择任意一个线程进行计时
  8. //Thread loop!//循环发现邻域!寻找法线!
  9. for ( size_t idx = tID *computeSize; idx < ( tID + 1 ) * computeSize && idx < input.size(); ++idx ) {
  10. // pOut[threadIdx.x] += pIn[i] * pIn[i];
  11. Mark = pcl::searchForNeighbors (idx, search_parameter_, nn_indices, nn_dists);//对第IDX个建立索引!
  12. if (Mark == 0){
  13. output.points[idx].normal[0] = output.points[idx].normal[1] = output.points[idx].normal[2] = output.points[idx].curvature = std::numeric_limits<float>::quiet_NaN ();
  14. continue;
  15. }
  16. else {
  17. if (!isFinite (input[idx]) || Mark == 0){
  18. output.points[idx].normal[0] = output.points[idx].normal[1] = output.points[idx].normal[2] = output.points[idx].curvature = std::numeric_limits<float>::quiet_NaN ();
  19. continue;
  20. }
  21. }
  22. pcl::computePointNormal (input, nn_indices,output.points[idx].normal[0], output.points[idx].normal[1], output.points[idx].normal[2], output.points[idx].curvature);
  23.  pcl::flipNormalTowardsViewpoint (input_->points[idx], vpx_, vpy_, vpz_,
  24. output.points[idx].normal[0], output.points[idx].normal[1], output.points[idx].normal[2]);
  25.  
  26. }
  27. if ( tID == 0 ) *pElapsed =clock( ) - startTime;// 结束计时,返回至主程序
  28. }

//运行在CPU端!

  1. // as the input
  2. extern "C" void normalEstimate(
  3. pcl::PointCloud<pcl::PointXYZRGB> &input ,
  4. pcl::PointCloud<pcl::PointXYZRGB> &output,
  5. int k_,
  6. float search_parameter_,
  7. int THREAD_NUM
  8. )
  9. {
  10. // 在GPU上分配同样大小的三个数组
  11. pcl::PointCloud<pcl::PointXYZRGB> &inputX ;
  12. pcl::PointCloud<pcl::PointXYZRGB> &outputX;
  13. int* nn_indices ;
  14. int* nn_dists;
  15.  
  16. // 1、设置设备
  17. cudaError_t cudaStatus = cudaSetDevice( 0 );// 只要机器安装了英伟达显卡,那么会调用成功
  18. if ( cudaStatus != cudaSuccess )
  19. {
  20. fprintf( stderr, "调用cudaSetDevice()函数失败!" );
  21. return ;//false;
  22. }
  23.  
  24. // 使用CUDA内存分配器分配host端
  25. //cudaError_t cudaStatus = cudaMallocHost( &inputX, input.size() * sizeof( pcl::pointXYZRGB ) );
  26. //cudaError_t cudaStatus = cudaMallocHost( &outputX, output.size() * sizeof( pcl::Normal ) );
  27.  
  28. // 2、分配显存空间
  29. cudaError_t cudaStatus = cudaMalloc( &inputX, input.size() * sizeof( pcl::pointXYZRGB ) );
  30. cudaError_t cudaStatusX = cudaMalloc( &outputX, output.size() * sizeof( pcl::Normal ) );
  31.  
  32. // cudaStatus = cudaMalloc( (void**)&pData, DataSize * sizeof( int) );
  33. if ( cudaStatus != cudaSuccess)
  34. {
  35. fprintf( stderr, "调用cudaMalloc()函数初始化显卡中数组时失败!" );
  36. break;
  37. }
  38.  
  39. // 3、将宿主程序数据复制到显存中
  40. cudaError_t cudaStatus2 = cudaMemcpy( inputX, input, input.size() * sizeof( pcl::pointXYZRGB ),cudaMemcpyHostToDevice );
  41. cudaError_t cudaStatusX2 = cudaMemcpy(outputX,output,output.size() * sizeof( pcl::pointXYZRGB ),cudaMemcpyHostToDevice );
  42. if ( cudaStatus != cudaSuccess)
  43. {
  44. fprintf( stderr, "调用cudaMemcpy()函数初始化宿主程序数据数组到显卡时失败!" );
  45. break;
  46. }
  47.  
  48. //cudaMalloc( (void**)&nn_dists, k_ * sizeof( int) );
  49. //cudaMalloc( (void**)&nn_indices, k_ * sizeof( int) );
  50. //cudaMalloc( (void**)&Normal3f, 3 * sizeof( float) );
  51.  
  52. // 4、执行程序,宿主程序等待显卡执行完毕
  53. normalEstimateSingle<<<1, THREAD_NUM>>>( inputX,outputX, nn_indices, nn_dists, THREAD_NUM ,search_parameter_);
  54. //normalEstimateSingle(pcl::PointCloud<pcl::PointXYZRGB> &input ,pcl::PointCloud<pcl::PointXYZRGB> &output, int* nn_indices ,int* nn_dists, int Gap)
  55.  
  56. // 5、查询内核初始化的时候是否出错
  57. cudaStatus = cudaGetLastError( );
  58. if ( cudaStatus != cudaSuccess)
  59. {
  60. fprintf( stderr, "显卡执行程序时失败!" );
  61. break;
  62. }
  63.  
  64. // 6、与内核同步等待执行完毕
  65. cudaStatus = cudaDeviceSynchronize( );
  66. if ( cudaStatus != cudaSuccess)
  67. {
  68. fprintf( stderr, "在与内核同步的过程中发生问题!" );
  69. break;
  70. }
  71.  
  72. // 7、获取数据 //只复制出法线即可!
  73. cudaStatus = cudaMemcpy(output,outputX,output.size() * sizeof( pcl::pointXYZRGB ),cudaMemcpyHostToDevice );
  74. if ( cudaStatus != cudaSuccess)
  75. {
  76. fprintf( stderr, "在将结果数据从显卡复制到宿主程序中失败!" );
  77. break;
  78. }
  79.  
  80. cudaFree( outputX );
  81. cudaFree( inputX );
  82. }

注意事项:运行在GPU的函数,只能是原子函数,详情请见 《高性能并行编程实践》

CUDA 编程实例:计算点云法线的更多相关文章

  1. CUDA编程学习笔记1

    CUDA编程模型是一个异构模型,需要CPU和GPU协同工作. host和device host和device是两个重要的概念 host指代CPU及其内存 device指代GPU及其内存 __globa ...

  2. CUDA编程前言

    GPU架构 GPU特别适用于 密集计算,高度可并行计算,图形学 晶体管主要被用于 执行计算,而不是缓存数据,控制指令流 GPU计算的历史 2001/2002 -- 研究人员把GPU当做数据并行协处理器 ...

  3. PHP多进程编程实例

    这篇文章主要介绍了PHP多进程编程实例,本文讲解的是在Linux下实现PHP多进程编程,需要的朋友可以参考下 羡慕火影忍者里鸣人的影分身么?没错,PHP程序是可以开动影分身的!想完成任务,又觉得一个进 ...

  4. c#摄像头编程实例 (转)

    c#摄像头编程实例 摄像头编程 安装摄像头后,一般可以找到一个avicap32.dll文件 这是一个关于设想头的类 using  system;using  System.Runtime.Intero ...

  5. 不同版本CUDA编程的问题

    1 无法装上CUDA的toolkit 卸载所有的NVIDIA相关的app,包括NVIDIA的显卡驱动,然后重装. 2之前的文件打不开,one or more projects in the solut ...

  6. cuda编程基础

    转自: http://blog.csdn.net/augusdi/article/details/12529247 CUDA编程模型 CUDA编程模型将CPU作为主机,GPU作为协处理器(co-pro ...

  7. CUDA学习笔记(一)——CUDA编程模型

    转自:http://blog.sina.com.cn/s/blog_48b9e1f90100fm56.html CUDA的代码分成两部分,一部分在host(CPU)上运行,是普通的C代码:另一部分在d ...

  8. CUDA编程

    目录: 1.什么是CUDA 2.为什么要用到CUDA 3.CUDA环境搭建 4.第一个CUDA程序 5. CUDA编程 5.1. 基本概念 5.2. 线程层次结构 5.3. 存储器层次结构 5.4. ...

  9. JAX-RS 2.0 REST客户端编程实例

    JAX-RS 2.0 REST客户端编程实例 2014/01/28 | 分类: 基础技术, 教程 | 0 条评论 | 标签: JAX-RS, RESTFUL 分享到:3 本文由 ImportNew - ...

随机推荐

  1. codeforces 467C George and Job(简单dp,看了题解抄一遍)

    题目 参考了网页:http://www.xue163.com/exploit/180/1802901.html //看了题解,抄了一遍,眼熟一下,增加一点熟练度 //dp[i][j]表示是前i个数选出 ...

  2. C#第十四节课

    函数的调用 using System;using System.Collections.Generic;using System.Linq;using System.Text;using System ...

  3. 一步一步实现基于GPU的pathtracer(二):求交算法

    不管是哪种全局光照算法,最根本的都要落实到光线与物体的求交.主要分为光线与参数曲面和非参数曲面的求交,典型的参数曲面有球.盒.圆柱等基本体及基本体的组合体,以及一些更为复杂的参数曲面.非参数曲面就是所 ...

  4. HDU-1134 卡特兰数+java大数模板

    题意: 给你一个n,然后1,2,3...2n-1,2n围一圈,让每个数都能用一条线配对并且线与线之间不能交叉,问有几种方法数. 思路: 1 可以和2,4,6...连接.假如   一共有8个数,1和2连 ...

  5. UDP、线程、mutex锁(day15)

    一.基于UDP的网络编程模型 服务器端 .创建socket. .将fd和服务器的ip地址和端口号绑定 .recvfrom阻塞等待接收客户端数据 .业务处理 .响应客户端 客户端: .创建socket ...

  6. [luogu2165 AHOI2009] 飞行棋 (枚举)

    传送门 Description 给出圆周上的若干个点,已知点与点之间的弧长,其值均为正整数,并依圆周顺序排列. 请找出这些点中有没有可以围成矩形的,并希望在最短时间内找出所有不重复矩形. Input ...

  7. request.getScheme()、 request.getServerName() 、 request.getServerPort() 、 request.getContextPath()

    <% String basePath = request.getScheme() + "://" + request.getServerName() + ":&qu ...

  8. Python中的sorted() 和 list.sort() 的用法总结

    只要是可迭代对象都可以用sorted . sorted(itrearble, cmp=None, key=None, reverse=False) =号后面是默认值 默认是升序排序的, 如果想让结果降 ...

  9. cogs 10. 信号无错传输

    10. 信号无错传输 ★★☆   输入文件:dlj.in   输出文件:dlj.out   简单对比时间限制:1 s   内存限制:128 MB [问题描述] 为提高传递信息的保密性和可靠性,两个军事 ...

  10. gcc指定头文件路径及动态链接库路径

    gcc指定头文件路径及动态链接库路径   本文详细介绍了linux 下gcc头文件指定方法,以及搜索路径顺序的问题.另外,还总结了,gcc动态链接的方法以及路径指定,同样也讨论了搜索路径的顺序问题.本 ...