无法理解CUDA内核启动的行为

#include "utils.h" 

__global__ 
void rgba_to_greyscale(const uchar4* const rgbaImage, 
         unsigned char* const greyImage, 
         int numRows, int numCols) 
{ 
    for (size_t r = 0; r < numRows; ++r) { 
    for (size_t c = 0; c < numCols; ++c) { 
     uchar4 rgba = rgbaImage[r * numCols + c]; 
     float channelSum = 0.299f * rgba.x + 0.587f * rgba.y + 0.114f * rgba.z; 
     greyImage[r * numCols + c] = channelSum; 
    } 
    } 
} 

void your_rgba_to_greyscale(const uchar4 * const h_rgbaImage, uchar4 * const d_rgbaImage, 
          unsigned char* const d_greyImage, size_t numRows, size_t numCols) 
{ 
    const dim3 blockSize(1, 1, 1); //TODO 
    const dim3 gridSize(1, 1, 1); //TODO 
    rgba_to_greyscale<<<gridSize, blockSize>>>(d_rgbaImage, d_greyImage, numRows, numCols); 

    cudaDeviceSynchronize(); checkCudaErrors(cudaGetLastError()); 

}

这是用于将彩色图像转换为灰度的代码。我正在完成这门课程的作业，并在completing it之后得到了这些结果。无法理解CUDA内核启动的行为

A. 
blockSize = (1, 1, 1) 
gridSize = (1, 1, 1) 
Your code ran in: 34.772705 msecs. 

B. 
blockSize = (numCols, 1, 1) 
gridSize = (numRows, 1, 1) 
Your code ran in: 1821.326416 msecs. 

C. 
blockSize = (numRows, 1, 1) 
gridSize = (numCols, 1, 1) 
Your code ran in: 1695.917480 msecs. 

D. 
blockSize = (1024, 1, 1) 
gridSize = (170, 1, 1) [the image size is : r=313, c=557, blockSize*gridSize ~= r*c] 
Your code ran in: 1709.109863 msecs.

我已经尝试了几个组合，但没有得到更好的性能比A.我差的只有几纳秒亲近的小值增加块大小和gridsize。例如：

blockSize = (10, 1, 1) 
gridSize = (10, 1, 1) 
Your code ran in: 34.835167 msecs.

我不明白为什么更高的数字没有得到更好的性能，反而导致更糟糕的表现。此外，似乎增加块大小比网格大小更好。

来源

2017-01-01 darth vader

您计算您启动的每个线程中的所有像素，即内核是完全串行的。使用更多的块或更大的块只是重复计算。在后一种情况下，为什么不将for循环移出内核并让每个线程计算一个像素？

来源

2017-01-01 11:06:09

无法理解CUDA内核启动的行为

回答

相关问题