什么是检查在CUDA(C++)为inf
/nan
元件大的矩阵的有效方式的NaN或无穷大的值?该矩阵在GPU存储器中存储为float*
。如果至少存在一个错误条目,我不需要这些元素的位置,只需布尔是/否回答。检查如果一个矩阵包含在CUDA
的选项有:
- 有一个内核检查整个阵列(容易实现,但可能慢)
- 有多个内核检查如行和结合输出与OR(有没有任何CUDA builtins有效地做到这一点?)
- ..其他想法?
谢谢!
什么是检查在CUDA(C++)为inf
/nan
元件大的矩阵的有效方式的NaN或无穷大的值?该矩阵在GPU存储器中存储为float*
。如果至少存在一个错误条目,我不需要这些元素的位置,只需布尔是/否回答。检查如果一个矩阵包含在CUDA
的选项有:
谢谢!
有此instrinsics,但可用于C99的功能应该是罚款:
isnan()
为了测试INF,您可以使用:
isinf()
这是很少更快地拥有多个内核做一个单一编写好的内核的相同工作,所以我不确定为什么你认为单个内核会很慢。这种算法很可能是内存限制的,所以您需要关注读取数据访问效率,即合并。在CUDA中,穿过矩阵的简单方法是让每个线程处理一列。这可以通过for-loop高效地实现,并导致完美的合并读取。因为你只关心没有索引的单个结果,所以我们可以有多个线程写入(布尔)结果而不是原子,以提高效率,因为任何可能写入结果的线程都将是写同样的价值。
另一种可能考虑的优化策略是早期退出策略,但这并不能优化最坏情况下的时间,但实际上时间更长,所以我会放弃,除非平均吞吐量是一个大问题。
下面是一个完整的工作示例(使用测试楠为例):
$ cat t383.cu
#include <math.h>
#include <stdio.h>
#include <stdlib.h>
#define DSIZEW 10000
#define DSIZEH 2000
#define nTPB 256
#define BLKS 16
__global__ void isnan_test(float *data, int width, int height, bool *result){
int idx = threadIdx.x+blockDim.x*blockIdx.x;
while (idx < width){
for (int i = 0; i < height; i++)
if (isnan(data[(i*width) + idx])) *result = false;
idx += gridDim.x+blockDim.x;
}
}
int main(){
float *d_data, *h_data;
bool *d_result, h_result=true;
const char type = '0';
cudaMalloc((void **)&d_data, sizeof(float)*DSIZEW*DSIZEH);
cudaMalloc((void **)&d_result, sizeof (bool));
h_data=(float *)malloc(sizeof(float)*DSIZEW*DSIZEH);
for (int i=0; i<DSIZEH*DSIZEW; i++)
h_data[i] = rand()/RAND_MAX;
cudaMemcpy(d_data, h_data, sizeof(float)*DSIZEW*DSIZEH, cudaMemcpyHostToDevice);
cudaMemcpy(d_result, &h_result, sizeof(bool), cudaMemcpyHostToDevice);
isnan_test<<<BLKS,nTPB>>>(d_data, DSIZEW, DSIZEH, d_result);
cudaMemcpy(&h_result, d_result, sizeof(bool), cudaMemcpyDeviceToHost);
if (!h_result) {printf("error in no-NAN check\n"); return 1;}
float my_nan = nanf(&type); // create a NAN value
cudaMemcpy(d_data, &my_nan, sizeof(float), cudaMemcpyHostToDevice);
isnan_test<<<BLKS,nTPB>>>(d_data, DSIZEW, DSIZEH, d_result);
cudaMemcpy(&h_result, d_result, sizeof(bool), cudaMemcpyDeviceToHost);
if (h_result) {printf("error in NAN check\n"); return 1;}
printf("Success\n");
return 0;
}
$ nvcc -arch=sm_20 -o t383 t383.cu
$ ./t383
Success
$
注意,我与proper cuda error checking为了清晰/简洁分配,但始终建议。
进一步优化,你可以用每格参数块(BLKS
)和每块参数(nTPB
)螺纹玩,但是,在一定程度上,这些最优值将取决于GPU在运行上。
按照C99和C++标准的规定,类型通用函数isinf()和isnan()应该可以在设备代码中正常工作,我认为不需要下拉到底层类型特定的设备内部函数。 – njuffa
编辑了我的回答,以反映@njuffa的评论 –
您的问题可以改写为减少操作。这可以通过使用CUDA Thrust来有效实施。您可以通过使用CUDA的isnan
或isinf
,然后还原转化阵列的原始数组转换为布尔数组。所有这些都可以通过expoiting来执行thrust::transform_reduce
。
下面是一个例子,围绕Robert Crovella已经介绍给你的那个例子来构建。下面的代码在CUDA中实现相当于Matlab的sum(isnan(array))
。
#include <thrust\device_vector.h>
#include <thrust\reduce.h>
#define DSIZEW 10000
#define DSIZEH 2000
// --- Operator for testing nan values
struct isnan_test {
__host__ __device__ bool operator()(const float a) const {
return isnan(a);
}
};
void main(){
thrust::host_vector<float> h_data(DSIZEW*DSIZEH);
for (int i=0; i<DSIZEH*DSIZEW; i++)
h_data[i] = rand()/RAND_MAX;
const char type = '0';
float my_nan = nanf(&type); // create a NAN value
h_data[0] = my_nan;
thrust::device_vector<float> d_data(h_data);
bool h_result = thrust::transform_reduce(d_data.begin(), d_data.end(), isnan_test(), 0, thrust::plus<bool>());
printf("Result = %d\n",h_result);
getchar();
}
让一个内核检查一行看起来是一个合理的折衷之间的有效性和易于执行我。但是我做OpenCL,与CUDA不太一样。 –
如果您在生成这些值时检查这些值,那么您可能会得到较好的结果,但我想它已经在核心之间进行了分割。 – Dave