0

MATLAB で自己商像 (SQI) を計算するためのコードを作成しました。そして今、高速化のためにその一部を並行して書き直したいと思っています。コードのこの部分は次のとおりです。

siz=15;
X=normalize8(X);
[a,b]=size(X);
filt = fspecial('gaussian',[siz siz],sigma);
padsize = floor(siz/2);
padX = padarray(X,[padsize, padsize],'symmetric','both');

t0 = tic; % -------------------------------------------------------------
Z=zeros(a,b);
for i=padsize+1:a+padsize
    for j=padsize+1:b+padsize
        region = padX(i-padsize:i+padsize, j-padsize:j+padsize);
        means= mean(region(:));
        M=return_step(region, means);
        filt1=filt.*M;

        summ=sum(sum(filt1));        

        filt1=(filt1/summ);
        Z(i-padsize,j-padsize)=(sum(sum(filt1.*region))/(siz*siz));
    end
end
toc(t0) % -------------------------------------------------------------

そして return_step 関数:

function M=return_step(X, means)

[a,b]=size(X);
for i=1:a
    for j=1:b
        if X(i,j)>=means
            M(i,j)=1;
        end
    end
end

カーネル関数の下に書きました：

__global__ void returnstep(const double* x, double* m, double* filt, int leng, double mean, int i, int j, int width)
{
    int idx=threadIdx.y*blockDim.x+threadIdx.x;
    if(idx>=leng) return;

    int ridx= (j+threadIdx.y)*width+threadIdx.x+i;
    double xval= x[ridx];
    if (xval>=mean) m[idx]=filt[idx]*xval;
    else            m[idx]=0;
}

次に、MATLAB コードを次のように変更します。

kernel= parallel.gpu.CUDAKernel('returnstep.ptx', 'returnstep.cu');
kernel.ThreadBlockSize= [double(siz) double(siz) 1];
GM = gpuArray(zeros(siz,siz));
GpadX = gpuArray(padX);
Gfilt = gpuArray(filt);

%% Process image
t0 = tic; % -------------------------------------------------------------
Z=zeros(a,b);
for i=padsize+1:a+padsize
    for j=padsize+1:b+padsize
        means= mean(region(:));
        GM= feval(kernel, GpadX, GM, Gfilt, siz*siz, means, i-padsize-1, j-padsize-1, padXwidth);
        filt1=  gather(GM);

        summ=sum(sum(filt1));        

        filt1=(filt1/summ);
        Z(i-padsize,j-padsize)=(sum(sum(filt1))/(siz*siz));
    end
end
toc(t0) % -------------------------------------------------------------

私のシーケンシャル コードは 330X200 の画像で 2.5 秒で実行されますが、新しい並列コードの実行時間は 15 秒です。どうしてか分かりません？？？？それを改善するためのアドバイスが必要です。私はCUDAプログラミングが初めてです。

4

2 に答える 2

1 
> help gather
...
X = GATHER(A) when A is a GPUArray, X is an array in the local workspace
with the data transferred from the GPU device.
....

filt1 = gather(GM) はすべてのステップで GM を GPU から CPU にコピーしているため、非常に非効率的です。計算全体をループ ネスト内に移動するか、できればループ ネスト全体を GPU カーネルに移動する必要があります。そうしないと、高速化を忘れることができます。

于 2012-09-06T09:33:12.803 に答える
0

ソーベル フィルターでの私の評価では、小さい画像では CPU が GPU よりも優れていることがわかります。CPU-GPU のパフォーマンスを比較するには、画像サイズが非常に小さいと思います。計算は、カーネルと通信起動のオーバーヘッドを隠すのに十分な大きさでなければなりません。

于 2012-09-10T12:41:17.297 に答える