Onion Information

Page Clicks: 0

First Seen: 03/15/2024

Last Indexed: 10/25/2024

Domain Index Total: 397

Preskoči na sadržaj Python modul PyCUDA: zbrajanje vektora CUDA C/C++ kod zrna spremamo u zbroj.cu uočimo da se indeks dohvaća iz varijable threadIdx.x __global__ void zbroj_vektora ( float * dest , float * a , float * b ) { const int i = threadIdx . x ; dest [ i ] = a [ i ] + b [ i ]; } dohvaćanje zrna u Python mod = SourceModule ( open ( "zbroj.cu" ) . read ()) zbroj_vektora = mod . get_function ( "zbroj_vektora" ) inicijalizacija dva vektora čije su sve vrijednosti jednake 1 i vektora čje su sve vrijednosti jednake 0 i jednake je duljine kao ova dva a = np . ones ( 400 , dtype = np . float32 ) b = np . ones ( 400 , dtype = np . float32 ) result_gpu = np . zeros_like ( a ) Note Pripazite na usklađenost Pythonovih numpy tipova podataka sa C-ovim tipovima podataka koji se koriste u kernelu (ovdje je to numpy.float32 s float ). Potpun popis može se naći među često postavljanim pitanjima u vezi PyCUDA-e. izvođenje koda na GPU-u ( službena dokumentacija ) prvo se navode argumenti kernela istim redom kao u definiciji kernela u C-u block i grid su stvari kojima se bavimo kasnije, ali uočite da stavljamo istu vrijednost kao što je veličina vektora zbroj_vektora ( drv . Out ( result_gpu ), drv . In ( a ), drv . In ( b ), block = ( 400 , 1 , 1 ), grid = ( 1 , 1 )) drv.In() , drv.Out() i drv.InOut() pretvaraju numpy polja u polja s kojima GPU može manipulirati ( službena dokumentacija objašnjava razliku između te tri funkcije i kada je potrebno koju od njih koristiti) izvođenje zbrajanja na CPU-u (jednostavnost sintakse osigurava preopterećeni operator zbrajanja od strane numpy modula) result_cpu = a + b ispis rezultata i provjera jednakosti po pojedinim poljima print ( "CPU rezultat \n " , result_cpu ) print ( "GPU rezultat \n " , result_gpu ) print ( "CPU i GPU daju isti rezultat? \n " , result_cpu == result_gpu ) Zadatak Prilagodite kod primjera tako da računa zbroj oblika \(2a + b\) . Prilagodite kod primjera tako da računa zbroj oblika \(2a + b + 3c\) . Nit, blok i rešetka Zadatak Prilagodite kod prethodnog primjera tako da vektori imaju 500 elemenata (umjesto 400). Zrna se pokreću na rešetci. Rešetka se sastoji od blokova , koji se sastoje od niti . Postoji definirana varijabla gridDim i ima komponente x , y ; opisuje veličinu rešetke. Postoji definirana varijabla blockIdx i ima komponente x , y ; daje indeks bloka u rešetci. Postoji definirana varijabla blockDim i ima komponente x , y , z ; opisuje veličinu bloka. postoji definirana varijabla threadIdx i ima komponente x , y , z ; daje indeks niti u bloku. Indeks i ovisi o indeksu bloka ( blockIdx ), dimenziji bloka ( blockDim ) i indeksu niti ( threadIdx ). __global__ void vector_sum ( float * dest , float * a , float * b ) { const int i = blockIdx . x * blockDim . x + threadIdx . x ; dest [ i ] = a [ i ] + b [ i ]; } Svaki od dva bloka sada ima 250 niti i one pokrivaju čitav vektor od 500 komponenata. zbroj_vektora ( drv . Out ( result_gpu ), drv . In ( a ), drv . In ( b ), block = ( 250 , 1 , 1 ), grid = ( 2 , 1 )) Zadatak Provjerite možete li se s dva bloka izvesti zbrajanje vektora od 3000 elemenata. ( Napomena: čim je zadano ovako, vjerojatno ne možete.) Izvedite zbrajanje vektora od 3000 elemenata u 3 bloka. Note GPU-i zasnovani na Tesla arhitekturi podržavaju maksimalno 512 niti po bloku, dok GPU-i zasnovani na arhitekturama Fermi, Keppler i Maxwell podržavaju maksimalno 1024 niti po bloku. Sposobnosti GPU uređaja možemo saznati pomoću idućeg koda def device_meminfo (): ( free , total ) = drv . mem_get_info () print ( "=== Global memory occupancy for device 0 ===" ) print ( "Free: %d " % free ) print ( "Total: %d " % total ) print ( "Percentage free: %f%% " % ( float ( free ) * 100 / float ( total ))) for devicenum in range ( drv . Device . count ()): device = drv . Device ( devicenum ) attrs = device . get_attributes () print ( " \n === Attributes for device %d ===" % devicenum ) for ( key , value ) in attrs . iteritems (): print ( " %s : %s " % ( str ( key ), str ( value ))) Atomične operacije Atomične aritmetičke operacije su: atomicAdd() atomicSub() atomicExch() atomicMin() atomicMax() atomicInc() atomicDec() atomicCAS() Atomične bitovne operacije su: atomicAnd() atomicOr() atomicXor() Todo Ovdje nedostaje objašnjenje i zadatak. Author: Vedran Miletić, Kristijan Lenković