一、前言

       本文對使用cuda加速一維數組運算、二維圖像處理運算的方法作總結，參考自《CUDA By Example》

二、一維數組并行運算

       經過查詢，本人的老顯卡GT550M，可得其3維線程格，每維包含線程塊數量為（65536,65536,65536），相應的每維包含線程數為（1024,1024,64），故可得知線程格的每一維可開啟的線程塊最大數均為65536，相應線程的最大數為（1024,1024,64）。

1）以下為對一維數組并行運算的例子，使用了3種基本方法

//main.cu#include <cuda_runtime.h>  #include <iostream>  #include "book.h"    //該頭文件定義了HANDLE_ERROR函數using namespace std;int mode = 0 ;#define N 1024void select(){	cout << "select the calculation mode:/n"		<< "1 -> only by blockIdx/n"		<< "2 -> only by threadIdx/n"		<< "3 -> by blockIdx and threadIdx /n";	cout << "mode =  ";	cin >> mode;	cout << endl;}__global__ void add_only_blockIdx(int *a, int *b, int *c)       //__global表示該函數可在主機調用，在器件執行；{                                                 // 另外__device__表示該函數在器件調用，在期間執行	int idx = blockIdx.x;     //計算位于線程塊索引處的數據	if (idx < N){		c[idx] = a[idx] + b[idx];	}}__global__ void add_only_threadIdx(int *a, int *b, int *c)       {                                                 	int idx = threadIdx.x;     //計算位于線程索引處的數據	if (idx < N){		c[idx] = a[idx] + b[idx];	}}__global__ void add_blockIdx_threadIdx(int *a, int *b, int *c)      {                                               	int idx = threadIdx.x +  blockIdx.x * blockDim.x;    //將線程塊索引與線程索引轉為線性	if (idx < N){		c[idx] = a[idx] + b[idx];	}}int main(){	while ( mode< 1 || mode >3 ){		select();	}	int a[N], b[N], c[N];	int *dev_a, *dev_b, *dev_c;	//gpu上分配內存	HANDLE_ERROR(cudaMalloc((void**)&dev_a, N*sizeof(int)));	HANDLE_ERROR(cudaMalloc((void**)&dev_b, N*sizeof(int)));	HANDLE_ERROR(cudaMalloc((void**)&dev_c, N*sizeof(int)));	//為數組a,b初始化	for (int i = 0; i < N; ++i){		a[i] = i;		b[i] = i;	}	//講數組a,b數據復制至gpu	(cudaMemcpy(dev_a, a, N*sizeof(int), cudaMemcpyHostToDevice));	(cudaMemcpy(dev_b, b, N*sizeof(int), cudaMemcpyHostToDevice));	if (mode == 1)		add_only_blockIdx << < N, 1 >> >(dev_a, dev_b, dev_c);  //使用N個線程塊，其中每個線程塊使用1個線程,這里N小于65536，故可行	else if (mode == 2)		add_only_threadIdx << < 1, N >> >(dev_a, dev_b, dev_c);  //使用1個線程塊，其中該線程塊使用1024個線程,這里N小于1024，故可行	else		add_blockIdx_threadIdx << < (N+127)/128, 128 >> >(dev_a, dev_b, dev_c);  // 這里使用(N+127)/128個線程塊，每個線程塊128線程，為了	                                                                                 // 使所 (N+127)/128 * 128 ＞= N         	 	//將數組dev_c復制至cpu	HANDLE_ERROR(cudaMemcpy(c, dev_c, N*sizeof(int), cudaMemcpyDeviceToHost));	//顯示結果	for (int i = 0; i < N; ++i){		PRintf("%d + %d = %d/n", a[i], b[i], c[i]);	}	//釋放在gpu分配的內存	cudaFree(dev_a);	cudaFree(dev_b);	cudaFree(dev_c);	return 0;}
2）對任意長度的一維數組并行求和運算
       當一維數組長度大于65536*1024= 67108864 時，使用(1)的方法則不可行，因為線程格的每維最大線程塊不大于65536，且每維的線程不大于1024（第3維除外），故可使用如下方法。
//main2.cu#include <cuda_runtime.h>  #include <iostream>  #include "book.h"    //該頭文件定義了HANDLE_ERROR函數using namespace std;#define N 33*1024  //在gpu運算的數組長度受GPU內存的限制，故這里使用33*1024表示長度較大的數組__global__ void add(int *a, int *b, int *c)       {                                                	int idx = threadIdx.x + blockIdx.x * blockDim.x ;    //所計算的索引為 128個線程塊中的128個線程索引	                                                    // 由于128*128 < 33*1024,故某些線程需執行多次運算	while (idx < N){		c[idx] = a[idx] + b[idx]; 		idx += gridDim.x * blockDim.x;           //對索引進行遞增，遞增步長為gridDim.x * blockDim.x，gridDim.x為使用的線程塊總數，	}                                                //blockDim.x為使用的每個線程塊中的線程總數}int main(){	int a[N], b[N], c[N];	int *dev_a, *dev_b, *dev_c;	//gpu上分配內存	HANDLE_ERROR(cudaMalloc((void**)&dev_a, N*sizeof(int)));	HANDLE_ERROR(cudaMalloc((void**)&dev_b, N*sizeof(int)));	HANDLE_ERROR(cudaMalloc((void**)&dev_c, N*sizeof(int)));	//為數組a,b初始化	for (int i = 0; i < N; ++i){		a[i] = i;		b[i] = i;	}	//講數組a,b數據復制至gpu	(cudaMemcpy(dev_a, a, N*sizeof(int), cudaMemcpyHostToDevice));	(cudaMemcpy(dev_b, b, N*sizeof(int), cudaMemcpyHostToDevice));	add <<< 128, 128 >>>(dev_a, dev_b, dev_c);  //使用128個線程塊，每個線程塊使用128個線程,128*128 < 33*1024 	    	//將數組dev_c復制至cpu	HANDLE_ERROR(cudaMemcpy(c, dev_c, N*sizeof(int), cudaMemcpyDeviceToHost));	//顯示結果	for (int i = 0; i < N; ++i){		printf("%d + %d = %d/n", a[i], b[i], c[i]);	}	//釋放在gpu分配的內存	cudaFree(dev_a);	cudaFree(dev_b);	cudaFree(dev_c);	return 0;}
三、二維圖像處理并行運算       對二維圖像數據進行并行運算，這里使用經典的Reduce Color例子，其對圖像中的每個像素點進行量化，如常見的RGB24圖像有256×256×256中顏色，通過Reduce Color將每個通道的像素減少8倍至256/8=32種，則圖像只有32×32×32種顏色。假設量化減少的倍數是N，則代碼實現時就是簡單的value/N*N，通常我們會再加上N/2以得到相鄰的N的倍數的中間值。
//main3.cu#include <cuda_runtime.h>  #include <iostream>  #include "book.h"    //該頭文件定義了HANDLE_ERROR函數#include <opencv2/opencv.hpp>using namespace std;using namespace cv;__global__ void quantify(uchar *_src_dev, uchar *_dst_dev , int div){	int x_idx = threadIdx.x + blockIdx.x*blockDim.x;           //計算x坐標索引	int y_idx = threadIdx.y + blockIdx.y*blockDim.y;           //計算y坐標索引	int idx = x_idx + y_idx * gridDim.x * blockDim.x;        //將(x,y)坐標轉換為線性	_dst_dev[idx ] =  _src_dev[idx] / div*div + div / 2;}int main(){	Mat src = imread("lena.bmp" );   //讀取圖像	Mat dst (src.size(), CV_8UC3);  		uchar *src_data = src.data;          // src_data指針指向圖像src的數據	if (!src.isContinuous())  return -1;   //判斷圖像數據字節是否填充	uchar *src_dev, *dst_dev;	int length = src.rows * src.cols * src.channels();	//在gpu上分配內存空間	HANDLE_ERROR(cudaMalloc((void**)&src_dev, length*sizeof(uchar)));	HANDLE_ERROR(cudaMalloc((void**)&dst_dev, length*sizeof(uchar)));	HANDLE_ERROR(cudaMemcpy(src_dev, src_data, length*sizeof(uchar), cudaMemcpyHostToDevice));	dim3 blocks(src.cols*src.channels()/ 32, src.rows/ 32);  //寬和高均為512,所啟動線程塊與線程數量差距不可過大	dim3 threads(32, 32);	quantify << < blocks, threads >> >(src_dev, dst_dev , 64);	//將數組dst_dev復制至cpu	HANDLE_ERROR(cudaMemcpy(dst.data, dst_dev, length*sizeof(uchar), cudaMemcpyDeviceToHost));	cudaFree(src_dev);	cudaFree(dst_dev);	imshow("src", src);	imshow("Dst", dst);	waitKey(0);	return 0;}運行結果