除非你有非常大的分子工作,也可能不会有足够的工作,以保持GPU忙,所以计算会随着CPU速度更快。
如果您打算计算欧几里德距离,您的计算是不正确的。你需要毕达哥拉斯定理的3D版本。
我会使用SoA来存储坐标。
您想要生成一个内存访问模式,尽可能多的合并读写操作。为此,将每个warp中由32个线程生成的地址或索引尽可能地彼此靠近(稍微简化一点)。
threadIdx
指定块内的线索索引并且blockIdx
指定网格内的块索引。 blockIdx
对于变形中的所有线程总是相同的。只有threadIdx
在块内的线程内变化。要想象如何将threadIdx
的3个维度分配给线程,请将它们视为嵌套循环,其中x
是内部循环,而z
是外部循环。因此,具有相邻x
值的线程最有可能位于同一翘曲内,并且如果x
可被32整除,则只有共享相同x/32
值的线程处于相同翘曲内。
我在下面为您的算法包含了一个完整的示例。在这个例子中,i
索引是从threadIdx.x
派生的,因此,为了检查经线是否会产生合并读写,我会在插入一些连续值(例如0,1和2的i
)的同时检查代码索引也是连续的。从j
索引生成
地址是作为j
从threadIdx.y
衍生,因此是不太可能的经内变化(并永远不会改变,如果是threadIdx.x
整除32)不那么重要。
#include "cuda_runtime.h"
#include <iostream>
using namespace std;
const int N(20);
#define check(ans) { _check((ans), __FILE__, __LINE__); }
inline void _check(cudaError_t code, char *file, int line)
{
if (code != cudaSuccess) {
fprintf(stderr,"CUDA Error: %s %s %d\n", cudaGetErrorString(code), file, line);
exit(code);
}
}
int div_up(int a, int b) {
return ((a % b) != 0) ? (a/b + 1) : (a/b);
}
__global__ void calc_distances(double* distances,
double* atoms_x, double* atoms_y, double* atoms_z);
int main(int argc, char **argv)
{
double* atoms_x_h;
check(cudaMallocHost(&atoms_x_h, N * sizeof(double)));
double* atoms_y_h;
check(cudaMallocHost(&atoms_y_h, N * sizeof(double)));
double* atoms_z_h;
check(cudaMallocHost(&atoms_z_h, N * sizeof(double)));
for (int i(0); i < N; ++i) {
atoms_x_h[i] = i;
atoms_y_h[i] = i;
atoms_z_h[i] = i;
}
double* atoms_x_d;
check(cudaMalloc(&atoms_x_d, N * sizeof(double)));
double* atoms_y_d;
check(cudaMalloc(&atoms_y_d, N * sizeof(double)));
double* atoms_z_d;
check(cudaMalloc(&atoms_z_d, N * sizeof(double)));
check(cudaMemcpy(atoms_x_d, atoms_x_h, N * sizeof(double), cudaMemcpyHostToDevice));
check(cudaMemcpy(atoms_y_d, atoms_y_h, N * sizeof(double), cudaMemcpyHostToDevice));
check(cudaMemcpy(atoms_z_d, atoms_z_h, N * sizeof(double), cudaMemcpyHostToDevice));
double* distances_d;
check(cudaMalloc(&distances_d, N * N * sizeof(double)));
const int threads_per_block(256);
dim3 n_blocks(div_up(N, threads_per_block));
calc_distances<<<n_blocks, threads_per_block>>>(distances_d, atoms_x_d, atoms_y_d, atoms_z_d);
check(cudaPeekAtLastError());
check(cudaDeviceSynchronize());
double* distances_h;
check(cudaMallocHost(&distances_h, N * N * sizeof(double)));
check(cudaMemcpy(distances_h, distances_d, N * N * sizeof(double), cudaMemcpyDeviceToHost));
for (int i(0); i < N; ++i) {
for (int j(0); j < N; ++j) {
cout << "(" << i << "," << j << "): " << distances_h[i + N * j] << endl;
}
}
check(cudaFree(distances_d));
check(cudaFreeHost(distances_h));
check(cudaFree(atoms_x_d));
check(cudaFreeHost(atoms_x_h));
check(cudaFree(atoms_y_d));
check(cudaFreeHost(atoms_y_h));
check(cudaFree(atoms_z_d));
check(cudaFreeHost(atoms_z_h));
return 0;
}
__global__ void calc_distances(double* distances,
double* atoms_x, double* atoms_y, double* atoms_z)
{
int i(threadIdx.x + blockIdx.x * blockDim.x);
int j(threadIdx.y + blockIdx.y * blockDim.y);
if (i >= N || j >= N) {
return;
}
distances[i + N * j] =
(atoms_x[i] - atoms_x[j]) * (atoms_x[i] - atoms_x[j]) +
(atoms_y[i] - atoms_y[j]) * (atoms_y[i] - atoms_y[j]) +
(atoms_z[i] - atoms_z[j]) * (atoms_z[i] - atoms_z[j]);
}
随着cuda你想访问相邻的内存。因此,找到一种数据格式,您想要检查的所有值在内存中并排排列。 – portforwardpodcast
分子有多少个原子? –
对于portforwardpodcast:谢谢,将尽量按照Roger Dahl的建议 – sable