CUDA存储器模型：
CUDA限定符：
思想即是将内存数据拷贝到显存，在显存上执行并行运算，将结果数据从显存拷贝回内存。
CUDA内有thrust库，类似于C++ stl库。
===========以下是原文=========
挖坑待填。
以上是本机CUDA参数。
需要了解的概念：线程束(wrap)，共享内存，常量内存，纹理内存(?，图形学相关，略)，流，原子操作。
寄存器
寄存器是GPU片上高速缓存， 执行单元可以以极低的延迟访问寄存器。寄存器的基本单元式寄存器文件，每个寄存器文件大小为32bit。局部存储器对于每个线程，局部存储器也是私有的。如果寄存器被消耗完。数据将被存储在局部存储器中。如果每个线程使用了过多的寄存器，或声明了大型结构体或数据，或者编译器无法确定数据的大小，线程的私有数据就有可能被分配到local memory中，一个线程的输入和中间变量将被保存在寄存器或者是局部存储器中。局部存储器中的数据被保存在显存中，而不是片上的寄存器或者缓存中，因此对local memory的访问速度很慢。
共享存储器
共享存储器(share memeory)也是GPU片内缓存存储器。它是一块可以被同一block中的所有线程访问的可读存储器。
使用关键字share添加到变量的声明中，这将使这个变量驻留在共享内存中。cuda c编译器对共享内存中的变量与普通变量将采取不同的处理方式。
对于在GPU上启动的每个线程块，cuda c编译器都将创建该变量的一个副本，线程块中的每一个线程都共享这块内存，但这个线程却无法看到也不能修改其他线程块的变量的副本。这就实现了一种非常好的方式，使得一个线程块中的多个线程能够在计算上进行通信和协作，而且，共享内存缓冲区驻留在物理GPU上，而不是驻留在GPU之外的系统内存中。
常量内存
__constant__将把变量的访问限制为只读。
在接受了这种限制之后，我们希望得到某种回报，与全局内存中读数据相比，从常量内存中读取相同的数据可以节约内存的带宽，主要有两个原因：
-对常量内存的单次读操作可以广播到其他的“领进”线程，这将节约15次读取操作。
-常量内存的数据缓存起来，因此对相同地址的连续读取操作将不会产生额外的内存通信量。
“邻近”是指半个warp中的线程。当处理常量内存时。nvidia硬件将把单次内存读取操作广播到每个半线程束。在半线程束中包含了16个线程，即线程束中数量的一半。
如果在半线程束中的每一个线程访问相同的常量内存地址。那么GPU只会发生一次读操作事件并在随后将数据广播到每个线程。
如果从常量内存中读取大量的数据，那么这种方式产生的内存流量只是全局内存时的1/16.然而，当使用常量内存时也可能产生负面影响。
如果半线程束的所有16个线程需要访问常量内存中不同的数据，那么这个16次读取操作会被串行化，从而需要16倍的时间来发出请求。
但如果从全局内存中读取，那么这些请求会同时发出。在这种情况下，从常量内存读取就慢于从全局内存中读取。
全局存储器
全局存储器(global memeory)位于显存（占据了大部分的显存)。
整个网格中的任意线程都能读写全局存储器的任意位置。在目前的架构中，全局存储器没有缓存。
=======补======
SM与线程束
通常，线程块的数量为GPU中央处理器数量的2倍时，将达到最优性能。
GPU拥有数百个核，其中，SM代表多流处理器，即计算核心，而每个SM又包含8个标准流处理器SP，以及其他。
隶属于同一个SM的8个SP共用同一套取指与发射单元，共用一块共享存储器。
kernel以block为单位执行。
一个block必须被分配到同一块SM中，block的每个thread会发送到一个SP上执行，但一个SM中同一时刻可以有多个活动线程块在等待执行。
同一个block的thread开始于相同的指令地址，理论上能够按不同的分支执行，但实际上由于8个SP共用一套取值与发射单元，同一warp的线程执行的指令是相同的。
如果一个warp的线程跳转如分支语句的同一分支，那么实际执行时间就是这个分支执行时间；
否则，SM需要把每一个分支的指令发射到每个SP，执行时间是执行多个分支的所用时间之和。
故CUDA程序尽量避免分支，尽量warp内不分支。
线程束(warp)：一个线程束由32个连续的线程组成。（简单地说，warp包含32个线程是因为每发射一条warp指令，SM中的8个SP就会将这条指令执行4遍）。warp才是真正的执行单位。
杂
原子操作。同时对global内存写操作，可分批进行，改成先线程块对shared内存写操作，结束后shared内存写入global内存。
__syncthreads()实现了线程块内的线程同步，当任意线程运行到BAR标记处后，暂停运行，直到整个block中所有的thread都运行到BAR标记处后才继续执行。
__syncthreads()勿置于分支语句内。
流：名义上多个流，实际上可能就是kenel（GPU运算）和copy（CPU与GPU间数据传送）两个流。每个流都是一个队列，事件被push入队列中等待执行。
for循环的任务切分的时候，有两种方式划分任务。
1.划分成k段，每段由某个线程执行。
2.按模k同余进行划分，for循环每次的递增量为块大小。
一般第2种方式更优，因为是并行执行，故第二种方式保证每次执行的的时候，不同线程访问的数据位置相邻。
并行算法
归约运算: 每次折半。以求和为例，第一次前1/2 + 后1/2；第二次 前1/4 + 后1/4 .。。
int i = blockDim.x/2;
while(i != 0) {
if (cacheIndex < i)
cache[cacheIndex] += cache[cacheIndex + i];
__syncthreads();
i /= 2;
}
if (cacheIndex == 0)
c[blockIdx.x] = cache[0];更好的优化算法：循环展开等
前缀和运算(Scan):
for(d = 1; (1 << d) < n; d++)
for all k in parallel
if( k >= (1 << d) )
x[out][k] = x[in][k – (1 << (d-1))] + x[in][k]
else
x[out][k] = x[in][k]或
for(d = 1; (1 << d) < n; d++)
for all k in parallel
tmp = x[k]
if( k >= (1 << d) )
tmp = x[k – (1 << (d-1))] + x[k]
__syncthreads();//同步
x[k] = tmp以上两算法运行所需空间至少是原空间的两倍，思想为倍增思想。
还有更高效的Scan算法。
for d:=0 to log2(n-1) do
for k from 0 to n-1 by 2^(d+1) in parallel do
x[k+2^(d+1)-1]:=x[k+2^(d+1)-1] + x[k+2^(d+1)-1]
x[n-1]:=0
for d:=log2(n-1) downto 0 do
for k from 0 to n-1 by 2^(d+1) in parallel do
t:=x[k+2^d-1]
x[k+2^d-1]:=x[k+2^(d+1)-1]
x[k+2^(d+1)-1]:=t+x[k+2^(d+1)-1]书上还有更高效的scan_best_kernel算法，略。
排序算法:
基于比较的排序：排序网络
基于非比较的排序：并行基数排序。前置技能：Scan。
并行基数排序算法：
按二进制位考虑。
以00101101为例。排完序后应当是12473568。
二进制翻转: 11010010
统计前缀和: 12233344
如果当前位是0，则写入对应位置。
第1个数写入首位置，第2个数写入第二个位置，第4个数写入第三个位置，第7个数写入第四个位置。
再对当前位是1的进行写入，位置下标 + 4(0的个数)。矩阵乘法优化:
矩阵运算A*B = C， A为m*p的矩阵，B为p*n的矩阵。
优化1:
将C分块，每个线程块处理C中的某一块，例如d*d的一小块。
那么每个线程块需要完成d*p的矩阵与p*d的矩阵相乘的运算。
为了高效访存，每个线程块再对d*p和p*d的矩阵的p进行划分，看成多个矩阵块相乘后累加。
每个小块为d*q和q*d的大小，开在shared memory内，节约了大量global memory带宽。
（虽然循环次数会增加，但访存效率得到了高效提升）
优化2：
利用寄存器资源优化，效率更高，但略为繁琐。
矩阵转置优化:
无优化：拷贝至GPU内存，置换后拷贝回CPU内存。缺点：输入时每个block按行读入，满足合并访问条件；输出时数据间隔过大，不满足合并访问条件。
优化1：
分块，每个块是一个小方阵矩阵，如16*16。
输入时，每个线程块操作一个16*16方阵，通过shared memory完成16*16小方阵转置。
之后将大矩阵按块转置输出至global memory，每个线程块内无需再转置，满足合并访问条件。
shared memory数组大小设置成16*17而不是16*16，这样每行中处于同一列的数据就会被存储在不同的shared memory bank中，避免了bank conflict。
优化2：
上述无优化与优化1均存在分区冲突问题。优化2算法进行了for循环操作，暂未深入研究。
CUDA程序优化
grid和block的维度设计
grid的尺寸大一点较好。
为了有效利用执行单元，每个block的线程数应当是32的整数倍，最好让线程数量保持在64 ~ 256之间。
block维度和每个维度上的尺寸的主要作用是避免做整数除法和求模运算。实际中视具体情况而定。
如果问题规模对划分方式不敏感，应该让blockDim.x为16或16的整数倍，提高访问global memory和shared memory的效率。
存储器访问优化
灵活运用各种存储器的特性，实现最大可用带宽。
指令流优化
等
CUDA作业
作业1 简单CUDA应用，矩阵乘法
1 #include <bits/stdc++.h>
2 //#include "cuda_runtime.h"
3 //#include "device_launch_parameters.h"
4
5 using namespace std;
6 #define N 2000
7
8 const int block = 1<<12;
9 const int thread = 1<<10;
10
11 long long a[N][N];
12 long long b[N][N];
13 long long c[N][N];
14 void init() {
15 for(int i = 0; i < N; i++)
16 for(int j = 0; j < N; j++)
17 a[i][j] = i*i+j, b[i][j] = i+j*j, c[i][j] = 0;
18 }
19
20 __global__ void init_cuda(long long *c) {
21 int id = blockIdx.x*blockDim.x+threadIdx.x;
22 if(id < N*N) c[id] = 0;
23 }
24
25 __global__ void mul_cuda(long long *a, long long *b, long long *c) {
26 int id = blockIdx.x*blockDim.x+threadIdx.x;
27 if(id < N*N) {
28 int row = id/N, col = id-row*N;
29 for(int k = 0; k < N; k++)
30 c[id] += a[row*N+k]*b[k*N+col];
31 }
32 }
33
34
35
36 int main(int argc, char** argv) {
37 int cstart = clock();
38 init();
39 if(argv[1][0] == '0') {
40 puts("not cuda");
41 for(int i = 0; i < N; i++)
42 for(int j = 0; j < N; j++)
43 for(int k = 0; k < N; k++)
44 c[i][k] += a[i][j]*b[j][k];
45 }
46 else {
47 puts("cuda");
48 long long *dev_a, *dev_b, *dev_c;
49 cudaMalloc( (void**)&dev_a, sizeof a );
50 cudaMemcpy(dev_a, a, sizeof a, cudaMemcpyHostToDevice);
51
52 cudaMalloc( (void**)&dev_b, sizeof b );
53 cudaMemcpy(dev_b, b, sizeof b, cudaMemcpyHostToDevice);
54
55 cudaMalloc( (void**)&dev_c, sizeof c );
56
57
58 init_cuda<<<block, thread>>>(dev_c);
59 mul_cuda<<<block, thread>>>(dev_a, dev_b, dev_c);
60
61 cudaMemcpy(c, dev_c, sizeof c, cudaMemcpyDeviceToHost);
62 cudaFree(dev_a);
63 cudaFree(dev_b);
64 cudaFree(dev_c);
65 }
66 printf("%lld, ", c[1233][1233]);
67 printf("time: %d\n", int(clock()-cstart));
68 return 0;
69 }View Code
作业2 卷积操作，常量内存
1 //compile command: nvcc cv.cu `pkg-config --cflags --libs opencv` -std=c++11
2 //execute command1: ./a.out CC.jpg 3
3 //execute command2: ./a.out CC.jpg 5
4 #include <bits/stdc++.h>
5
6 #include <opencv2/opencv.hpp>
7 //#include <opencv2/gpu/gpu.hpp>
8 using namespace cv;
9
10 Mat G3 = (Mat_<int>(3, 3) << -5, 3, -5,
11 3, 9, 3,
12 -5, 3, -5);
13
14 Mat G5 = (Mat_<int>(5, 5) << 0, -1, 1, -1, 0,
15 -1, 1, -1, 1,-1,
16 0, -1, 8,-1, 0,
17 -1, 1, -1, 1,-1,
18 0, -1, 1,-1, 0);
19
20 void CPU_Sharpen(const Mat& myImage, Mat& Result, int ca){
21 CV_Assert(myImage.depth() == CV_8U); // accept only uchar images
22
23 int begin = clock();
24 Result.create(myImage.size(), myImage.type());
25 const int nChannels = myImage.channels();
26 Mat &G = ca == 3? G3: G5;
27 int half = G.rows >> 1;
28
29 for(int row = half; row < myImage.rows-half; ++row) {
30 uchar* output = Result.ptr<uchar>(row);
31 for(int col = half*nChannels; col < nChannels * (myImage.cols - half); ++col) {
32 int tmp = 0;
33 for(int i = 0; i < G.rows; ++i)
34 for(int j = 0; j < G.cols; ++j)
35 tmp += G.at<int>(i, j)*( *(myImage.ptr<uchar>(row-half+i)+(col-half*nChannels+j*nChannels) ) );
36 *output++ = saturate_cast<uchar>(tmp);
37 }
38 }
39 for(int i = 0; i < half; i++) {
40 Result.row(i).setTo(Scalar(140));
41 Result.row(Result.rows - 1 - i).setTo(Scalar(140));
42 Result.col(i).setTo(Scalar(140));
43 Result.col(Result.cols - 1 - i).setTo(Scalar(140));
44 }
45 printf("Time used %.3fms\n", ((int)clock()-begin)*1000.0/CLOCKS_PER_SEC);
46 }
47
48 /********************************************/
49
50 __constant__ int con_G3[3][3] = {
51 {-5, 3, -5},
52 { 3, 9, 3},
53 {-5, 3, -5}
54 };
55 __constant__ int con_G5[5][5] = {
56 {0, -1, 1,-1, 0},
57 {-1, 1, -1, 1,-1},
58 {0, -1, 8,-1, 0},
59 {-1, 1, -1, 1,-1},
60 {0, -1, 1,-1, 0}
61 };
62
63 __global__ void init_cuda(uchar *c, int col_num) {
64 int col_id = blockIdx.x, row_id = threadIdx.x;
65 int now = (row_id*col_num+col_id)*3;
66 c[now] = c[now+1] = c[now+2] = 0;
67 }
68
69
70 //GPU,start from c, num * sizeof(uchar)
71 __global__ void test(uchar *c, int *sum, int num) {
72 int x = 0;
73 for(int i = 0; i < num; i++)
74 x += c[i];
75 *sum = x;
76 }
77
78 __global__ void con_cuda(uchar *s, uchar *t, int ca, int row_num, int col_num) {
79 int col_id = blockIdx.x-1, row_id = threadIdx.x-1;
80 const int half = ca >> 1;
81 if(row_id >= half && row_id < row_num-half && col_id >= half && col_id < col_num-half) {
82 const int* con_mat = ca == 3? con_G3[0]: con_G5[0];
83 int res[3] = {0, 0, 0};
84 for(int i = 0; i < ca; i++)
85 for(int j = 0; j < ca; j++) {
86 //s[row_num][col_num][3];
87 int pos = (row_id-half+i)*col_num*3+(col_id-half+j)*3;
88 res[0] += con_mat[i*ca+j]*s[pos];
89 res[1] += con_mat[i*ca+j]*s[pos+1];
90 res[2] += con_mat[i*ca+j]*s[pos+2];
91 }
92 res[0] = res[0] < 0? 0: (res[0] > 255? 255: res[0]);
93 res[1] = res[1] < 0? 0: (res[1] > 255? 255: res[1]);
94 res[2] = res[2] < 0? 0: (res[2] > 255? 255: res[2]);
95 int pos = row_id*col_num*3+col_id*3;
96 t[pos] = res[0],
97 t[pos+1] = res[1],
98 t[pos+2] = res[2];
99 }
100 }
101
102 /*******************************************/
103
104 void HANDLE(cudaError x) {
105 if(x != cudaSuccess) {
106 puts("error!");
107 exit(0);
108 }
109 }
110
111 int main(int argc, char** argv ) {
112 if ( argc < 3 ) {
113 printf("usage: a.out <Image_Path> <size of Mat>\n");
114 return -1;
115 }
116
117 Mat src_img = imread(argv[1], 1), ans_CPU, ans_GPU;
118 int ca = argv[2][0]-'0';
119 printf("%d %d\n", src_img.rows, src_img.cols);
120
121 /**********************************************************************************/
122
123 printf("Run on CPU!\n");
124 CPU_Sharpen(src_img, ans_CPU, ca);
125 std::string s = std::string("CC")+std::to_string(ca)+std::string("_With_CPU.jpg");
126 imwrite(s, ans_CPU);
127 imshow("after operation", ans_CPU);
128 waitKey();
129
130 /**********************************************************************************/
131
132 printf("Run on GPU!\n");
133 int begin = clock();
134 uchar *dev_src, *dev_result;
135 int seg = src_img.cols*src_img.channels();
136 HANDLE(cudaMalloc( (void**)&dev_src, src_img.rows*seg*sizeof(uchar)));
137 HANDLE(cudaMalloc( (void**)&dev_result, src_img.rows*seg*sizeof(uchar)));
138 /*Memcpy to dev_src*/
139 for(int i = 0; i < src_img.rows; ++i)
140 HANDLE(cudaMemcpy(dev_src+i*seg*sizeof(uchar), src_img.ptr<uchar>(i), sizeof(uchar)*seg, cudaMemcpyHostToDevice));
141 /*Init for dev_result*/
142 init_cuda<<<src_img.cols, src_img.rows>>>(dev_result, src_img.cols);
143 /*Do convolution*/
144 con_cuda<<<src_img.cols, src_img.rows>>>(dev_src, dev_result, ca, src_img.rows, src_img.cols);
145
146 ans_GPU.create(src_img.size(), src_img.type());
147 /*Memcpy to host*/
148 for(int i = 0; i < ans_GPU.rows; ++i)
149 cudaMemcpy(ans_GPU.ptr<uchar>(i), dev_result+i*seg*sizeof(uchar), sizeof(uchar)*seg, cudaMemcpyDeviceToHost);
150
151 for(int i = 0; i < (ca >> 1); i++) {
152 ans_GPU.row(i).setTo(Scalar(140));
153 ans_GPU.row(ans_GPU.rows - 1 - i).setTo(Scalar(140));
154 ans_GPU.col(i).setTo(Scalar(140));
155 ans_GPU.col(ans_GPU.cols - 1 - i).setTo(Scalar(140));
156 }
157 /*Free*/
158 cudaFree(dev_src);
159 cudaFree(dev_result);
160 printf("Time used %.3fms\n", ((int)clock()-begin)*1000.0/CLOCKS_PER_SEC);
161 imshow("after operation", ans_GPU);
162 waitKey();
163 return 0;
164 }View Code
作业3 卷积操作，流
1 //compile command: nvcc cv.cu `pkg-config --cflags --libs opencv` -std=c++11
2 //execute command1: ./a.out 1.jpg 3
3 //execute command2: ./a.out 1.jpg 5
4 #include <bits/stdc++.h>
5
6 #include <opencv2/opencv.hpp>
7 //#include <opencv2/gpu/gpu.hpp>
8 using namespace cv;
9
10 /********************************************/
11
12 __constant__ int con_G3[3][3] = {
13 {-5, 3, -5},
14 { 3, 9, 3},
15 {-5, 3, -5}
16 };
17 __constant__ int con_G5[5][5] = {
18 {0, -1, 1,-1, 0},
19 {-1, 1, -1, 1,-1},
20 {0, -1, 8,-1, 0},
21 {-1, 1, -1, 1,-1},
22 {0, -1, 1,-1, 0}
23 };
24
25 __global__ void init_cuda(uchar *c, int col_num) {
26 int col_id = blockIdx.x, row_id = threadIdx.x;
27 int now = (row_id*col_num+col_id)*3;
28 c[now] = c[now+1] = c[now+2] = 0;
29 }
30
31
32 //GPU,start from c, num * sizeof(uchar)
33 __global__ void test(uchar *c, int *sum, int num) {
34 int x = 0;
35 for(int i = 0; i < num; i++)
36 x += c[i];
37 *sum = x;
38 }
39
40 __global__ void con_cuda(uchar *s, uchar *t, int ca, int row_num, int col_num) {
41 int col_id = blockIdx.x-1, row_id = threadIdx.x-1;
42 const int half = ca >> 1;
43 if(row_id >= half && row_id < row_num-half && col_id >= half && col_id < col_num-half) {
44 const int* con_mat = ca == 3? con_G3[0]: con_G5[0];
45 int res[3] = {0, 0, 0};
46 for(int i = 0; i < ca; i++)
47 for(int j = 0; j < ca; j++) {
48 //s[row_num][col_num][3];
49 int pos = (row_id-half+i)*col_num*3+(col_id-half+j)*3;
50 res[0] += con_mat[i*ca+j]*s[pos];
51 res[1] += con_mat[i*ca+j]*s[pos+1];
52 res[2] += con_mat[i*ca+j]*s[pos+2];
53 }
54 res[0] = res[0] < 0? 0: (res[0] > 255? 255: res[0]);
55 res[1] = res[1] < 0? 0: (res[1] > 255? 255: res[1]);
56 res[2] = res[2] < 0? 0: (res[2] > 255? 255: res[2]);
57 int pos = row_id*col_num*3+col_id*3;
58 t[pos] = res[0],
59 t[pos+1] = res[1],
60 t[pos+2] = res[2];
61 }
62 }
63
64 /*******************************************/
65
66 void HANDLE_ERROR(cudaError x) {
67 if(x != cudaSuccess) {
68 puts("error!");
69 exit(0);
70 }
71 }
72
73 int main(int argc, char** argv ) {
74 if ( argc < 3 ) {
75 printf("usage: a.out <Image_Path> <size of Mat>\n");
76 return -1;
77 }
78
79 Mat src_img = imread(argv[1], 1), ans_CPU, ans_GPU;
80 int ca = argv[2][0]-'0';
81 printf("%d %d\n", src_img.rows, src_img.cols);
82 /**********************************************************************************/
83
84 printf("Run on GPU!\n");
85 int begin = clock();
86 /**********************************************************************************/
87
88 uchar *dev_src, *dev_result;
89 int seg = src_img.cols*src_img.channels();
90 HANDLE_ERROR(cudaMalloc( (void**)&dev_src, src_img.rows*seg*sizeof(uchar)));
91 HANDLE_ERROR(cudaMalloc( (void**)&dev_result, src_img.rows*seg*sizeof(uchar)));
92
93 cudaStream_t stream0, stream1;
94 HANDLE_ERROR( cudaStreamCreate( &stream0 ) );
95 HANDLE_ERROR( cudaStreamCreate( &stream1 ) );
96 for(int i = 0; i < src_img.rows; ++i)
97 HANDLE_ERROR( cudaMemcpyAsync(dev_src+i*seg*sizeof(uchar), src_img.ptr<uchar>(i), sizeof(uchar)*seg, cudaMemcpyHostToDevice, stream0) );
98
99 init_cuda<<<src_img.cols, src_img.rows, 0, stream0>>>(dev_result, src_img.cols);
100 con_cuda<<<src_img.cols, src_img.rows, 0, stream0>>>(dev_src, dev_result, ca, src_img.rows, src_img.cols);
101
102 ans_GPU.create(src_img.size(), src_img.type());
103
104 for(int i = 0; i < ans_GPU.rows; ++i)
105 HANDLE_ERROR( cudaMemcpyAsync(ans_GPU.ptr<uchar>(i), dev_result+i*seg*sizeof(uchar), sizeof(uchar)*seg, cudaMemcpyDeviceToHost, stream0) );
106
107 for(int i = 0; i < (ca >> 1); i++) {
108 ans_GPU.row(i).setTo(Scalar(140));
109 ans_GPU.row(ans_GPU.rows - 1 - i).setTo(Scalar(140));
110 ans_GPU.col(i).setTo(Scalar(140));
111 ans_GPU.col(ans_GPU.cols - 1 - i).setTo(Scalar(140));
112 }
113
114 HANDLE_ERROR( cudaStreamSynchronize( stream0 ) );
115 HANDLE_ERROR( cudaStreamSynchronize( stream1 ) );
116
117 HANDLE_ERROR( cudaStreamDestroy( stream0 ) );
118 HANDLE_ERROR( cudaStreamDestroy( stream1 ) );
119
120 cudaFree(dev_src);
121 cudaFree(dev_result);
122 /********************without stream*********************/
123
124 // uchar *dev_src, *dev_result;
125 // int seg = src_img.cols*src_img.channels();
126 // HANDLE_ERROR(cudaMalloc( (void**)&dev_src, src_img.rows*seg*sizeof(uchar)));
127 // HANDLE_ERROR(cudaMalloc( (void**)&dev_result, src_img.rows*seg*sizeof(uchar)));
128 // /*Memcpy to dev_src*/
129 // for(int i = 0; i < src_img.rows; ++i)
130 // HANDLE_ERROR(cudaMemcpy(dev_src+i*seg*sizeof(uchar), src_img.ptr<uchar>(i), sizeof(uchar)*seg, cudaMemcpyHostToDevice));
131 // /*Init for dev_result*/
132 // init_cuda<<<src_img.cols, src_img.rows>>>(dev_result, src_img.cols);
133 // /*Do convolution*/
134 // con_cuda<<<src_img.cols, src_img.rows>>>(dev_src, dev_result, ca, src_img.rows, src_img.cols);
135 //
136 // ans_GPU.create(src_img.size(), src_img.type());
137 // /*Memcpy to host*/
138 // for(int i = 0; i < ans_GPU.rows; ++i)
139 // HANDLE_ERROR( cudaMemcpy(ans_GPU.ptr<uchar>(i), dev_result+i*seg*sizeof(uchar), sizeof(uchar)*seg, cudaMemcpyDeviceToHost) );
140 //
141 // for(int i = 0; i < (ca >> 1); i++) {
142 // ans_GPU.row(i).setTo(Scalar(140));
143 // ans_GPU.row(ans_GPU.rows - 1 - i).setTo(Scalar(140));
144 // ans_GPU.col(i).setTo(Scalar(140));
145 // ans_GPU.col(ans_GPU.cols - 1 - i).setTo(Scalar(140));
146 // }
147
148 /*Free*/
149 // cudaFree(dev_src);
150 // cudaFree(dev_result);
151 printf("Time used %.3fms\n", ((int)clock()-begin)*1000.0/CLOCKS_PER_SEC);
152 imshow("after operation", ans_GPU);
153 imwrite("Tigerwith5.jpg", ans_GPU);
154 waitKey();
155 return 0;
156 }View Code
final project 图墙 + 图片融合
1 //compile command: nvcc final.cu `pkg-config --cflags --libs opencv` -std=c++11
2 //execute command1: ./a.out CC.jpg 3
3 //execute command2: ./a.out CC.jpg 5
4 #include <bits/stdc++.h>
5
6 #include <opencv2/opencv.hpp>
7 //#include <opencv2/gpu/gpu.hpp>
8 using namespace cv;
9
10 __global__ void init_cuda(uchar *c, int col_num) {
11 int col_id = blockIdx.x, row_id = threadIdx.x;
12 int now = (row_id*col_num+col_id)*3;
13 c[now] = c[now+1] = c[now+2] = 0;
14 }
15
16
17 //GPU,start from c, num * sizeof(uchar)
18 __global__ void test(uchar *c, int *sum, int num) {
19 int x = 0;
20 for(int i = 0; i < num; i++)
21 x += c[i];
22 *sum = x;
23 }
24
25 __global__ void solve(uchar *s, uchar *t, uchar a, uchar b, uchar c, int R, int C) {
26 int x = blockIdx.x-1, y = threadIdx.x-1;
27 if(x < R&&y < C) {
28 int g = 3*(x*C+y);
29 if(t[g] == a&&t[g+1] == b&&t[g+2] == c) {
30 t[g] = s[g];
31 t[g+1] = s[g+1];
32 t[g+2] = s[g+2];
33 }
34 else {
35 t[g] = 0.35*s[g] +0.65*t[g];
36 t[g+1] = 0.35*s[g+1]+0.65*t[g+1];
37 t[g+2] = 0.35*s[g+2]+0.65*t[g+2];
38 }
39 }
40 }
41
42 __global__ void zoom(uchar *s, uchar *t, int R, int C, int r, int c) {
43 int x = blockIdx.x-1, y = threadIdx.x-1;
44 if(x <= r && y <= c) {
45 int row = x/(float)r*R, col = y/(float)c*C;
46 //t[x][y] = s[row][col];
47 t[ (x*c+y)*3 ] = s[ (row*C+col)*3 ];
48 t[ (x*c+y)*3+1 ] = s[ (row*C+col)*3+1 ];
49 t[ (x*c+y)*3+2 ] = s[ (row*C+col)*3+2 ];
50 }
51 }
52
53 /*******************************************/
54
55 void HANDLE(cudaError x) {
56 if(x != cudaSuccess) {
57 puts("error!");
58 exit(0);
59 }
60 }
61
62 const int N = 36;
63
64 int main(int argc, char** argv ) {
65 Mat src_img[N], dst_img[N], ret1, ret2;
66 int width = 1000000, height = 1000000;
67 for(int i = 0; i < N; i++) {
68 src_img[i] = imread(std::to_string(i+1)+std::string(".jpg"), 1);
69 int r = src_img[i].rows, c = src_img[i].cols;
70 if(height > r) height = r;
71 if(width > c) width = c;
72 }
73 height *= 0.4;
74 width *= 0.17;
75
76 //resize
77 int begin = clock();
78 for(int i = 0; i < N; i++) {
79 dst_img[i].create(Size(height, width), src_img[i].type());
80 resize(src_img[i], dst_img[i], Size(height, width));
81 }
82 printf("Time used in resizing is%.3fms\n", ((int)clock()-begin)*1000.0/CLOCKS_PER_SEC);
83
84 int sq = sqrt(N+0.5);
85 //std::cout << width << ' ' << height << std::endl;
86 ret1.create(Size(height*sq, width*sq), src_img[0].type());
87 //std::cout << ret1.rows << ' ' << ret1.cols << std::endl;
88
89 //merge
90 for(int i = 0; i < sq; i++)
91 for(int j = 0; j < sq; j++){
92 for(int r = 0; r < width; r++)
93 memcpy(ret1.ptr<uchar>(i*width+r)+j*height*3, dst_img[i*sq+j].ptr<uchar>(r), height*3);
94 }
95
96
97 Mat ret = imread("0.jpg", 1);
98 resize(ret, ret2, Size(height*6, width*6));
99 //std::cout << ret2.rows << ' ' << ret2.cols << std::endl;
100 //imshow("", ret2);
101 //waitKey();
102
103 uchar a = *ret2.ptr<uchar>(0), b = *(ret2.ptr<uchar>(0)+1), c = *(ret2.ptr<uchar>(0)+2);
104 if(ret1.rows != ret2.rows || ret1.cols != ret2.cols) puts("gg");
105 int R = ret2.rows, C = ret2.cols;
106 std::cout << R << ' ' << C << std::endl;
107 //CPU
108 begin = clock();
109 for(int i = 0; i < R; i++) {
110 uchar *p1 = ret1.ptr<uchar>(i), *p2 = ret2.ptr<uchar>(i);
111 bool tag = true;
112 double x = 0;
113 for(int j = 0; j < C; j++) {
114 if(*(p2+j*3) == a&&*(p2+j*3+1) == b&&*(p2+j*3+2) == c) {
115 x = 0;
116 *(p2+j*3) = *(p1+j*3);
117 *(p2+j*3+1) = *(p1+j*3+1);
118 *(p2+j*3+2) = *(p1+j*3+2);
119 continue ;
120 }
121
122 if(*(p2+j*3+15) == a&&*(p2+j*3+16) == b&&*(p2+j*3+17) == c) {
123 x = 0;
124 *(p2+j*3) = *(p1+j*3);
125 *(p2+j*3+1) = *(p1+j*3+1);
126 *(p2+j*3+2) = *(p1+j*3+2);
127 continue ;
128 }
129
130 x = tag? x+0.06: x-0.06;
131 if(x > 1) tag = false;
132 if(x < 0.6) tag = true;
133 *(p2+j*3) = (1-x)*(*(p1+j*3)) +x*(*(p2+j*3));
134 *(p2+j*3+1) = (1-x)*(*(p1+j*3+1))+x*(*(p2+j*3+1));
135 *(p2+j*3+2) = (1-x)*(*(p1+j*3+2))+x*(*(p2+j*3+2));
136 }
137 }
138 printf("Time used in CPU is %.3fms\n", ((int)clock()-begin)*1000.0/CLOCKS_PER_SEC);
139
140 imshow("", ret2);
141 waitKey();
142 imwrite("final.jpg", ret2);
143 //GPU
144 begin = clock();
145 uchar *dev_src, *dev_result;
146 HANDLE(cudaMalloc( (void**)&dev_src, R*C*3*sizeof(uchar)));
147 HANDLE(cudaMalloc( (void**)&dev_result, R*C*3*sizeof(uchar)));
148 for(int i = 0; i < R; ++i)
149 cudaMemcpy(dev_src+i*C*3*sizeof(uchar), ret1.ptr<uchar>(i), C*3*sizeof(uchar), cudaMemcpyHostToDevice);
150 for(int i = 0; i < R; ++i)
151 cudaMemcpy(dev_result+i*C*3*sizeof(uchar), ret2.ptr<uchar>(i), C*3*sizeof(uchar), cudaMemcpyHostToDevice);
152 solve<<<R, C>>>(dev_src, dev_result, a, b, c, R, C);
153 for(int i = 0; i < R; ++i)
154 cudaMemcpy(ret2.ptr<uchar>(i), dev_result+i*C*3*sizeof(uchar), C*3*sizeof(uchar), cudaMemcpyDeviceToHost);
155 printf("Time used in GPU is %.3fms\n", ((int)clock()-begin)*1000.0/CLOCKS_PER_SEC);
156
157 imshow("", ret2);
158 waitKey();
159 cudaFree(dev_src);
160 cudaFree(dev_result);
161 imwrite("final2.jpg", ret2);
162
163 /**********************************************************************************/
164
165 printf("Run on CPU!\n");
166 CPU_Sharpen(src_img, ans_CPU, ca);
167 std::string s = std::string("IMG")+std::to_string(ca)+std::string("_With_CPU.jpg");
168 imwrite(s, ans_CPU);
169 imshow("after operation", ans_CPU);
170 waitKey();
171
172 /**********************************************************************************/
173
174 printf("Run on GPU!\n");
175 int begin = clock();
176 uchar *dev_src, *dev_result;
177 int seg = src_img.cols*src_img.channels();
178 HANDLE(cudaMalloc( (void**)&dev_src, src_img.rows*seg*sizeof(uchar)));
179 HANDLE(cudaMalloc( (void**)&dev_result, src_img.rows*seg*sizeof(uchar)));
180
181 /*Memcpy to dev_src*/
182
183 for(int i = 0; i < src_img.rows; ++i)
184 HANDLE(cudaMemcpy(dev_src+i*seg*sizeof(uchar), src_img.ptr<uchar>(i), sizeof(uchar)*seg, cudaMemcpyHostToDevice));
185
186 init_cuda<<<src_img.cols, src_img.rows>>>(dev_result, src_img.cols);
187
188 con_cuda<<<src_img.cols, src_img.rows>>>(dev_src, dev_result, ca, src_img.rows, src_img.cols);
189
190 ans_GPU.create(src_img.size(), src_img.type());
191
192 for(int i = 0; i < ans_GPU.rows; ++i)
193 cudaMemcpy(ans_GPU.ptr<uchar>(i), dev_result+i*seg*sizeof(uchar), sizeof(uchar)*seg, cudaMemcpyDeviceToHost);
194
195 for(int i = 0; i < (ca >> 1); i++) {
196 ans_GPU.row(i).setTo(Scalar(140));
197 ans_GPU.row(ans_GPU.rows - 1 - i).setTo(Scalar(140));
198 ans_GPU.col(i).setTo(Scalar(140));
199 ans_GPU.col(ans_GPU.cols - 1 - i).setTo(Scalar(140));
200 }
201
202 cudaFree(dev_src);
203 cudaFree(dev_result);
204 printf("Time used %.3fms\n", ((int)clock()-begin)*1000.0/CLOCKS_PER_SEC);
205 imshow("after operation", ans_GPU);
206 waitKey();
207
208 return 0;
209 }View Code
emmmm，可能有bug，有冗余代码。
效果：
诸神对凡人心生艳羡，厌倦天堂。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
