私はCUDAで最初のプログラムを書いています。素数ジェネレーターです。動作しますが、同等のシングル スレッド C++ コードよりも 50% 高速です。CPU 版は 1 コアを 100% 使用します。GPU バージョンは、GPU の 20% のみを使用します。CPUはi5(2310)です。GPUはGF104です。
このアルゴリズムのパフォーマンスを改善するにはどうすればよいですか?
私の完全なプログラムは次のとおりです。
int* d_C;
using namespace std;
__global__ void primo(int* C, int N, int multi)
{
int i = blockIdx.x*blockDim.x + threadIdx.x;
if (i < N)
{
if(i%2==0||i%3==0||i%5==0||i%7==0)
{
C[i]=0;
}
else
{
C[i]=i+N*multi;
}
}
}
int main()
{
cout<<"Prime numbers \n";
int N=1000;
int h_C[1000];
size_t size=N* sizeof(int);
cudaMalloc((void**)&d_C, size);
int threadsPerBlock = 1024;
int blocksPerGrid = (N + threadsPerBlock - 1) / threadsPerBlock;
vector<int> lista(100000000);
int c_z=0;
for(int i=0;i<100000;i++)
{
primo<<<blocksPerGrid, threadsPerBlock>>>(d_C, N,i);
cudaMemcpy(h_C, d_C, size, cudaMemcpyDeviceToHost);
for(int c=0;c<N;c++)
{
if(h_C[c]!=0)
{
lista[c+N*i-c_z]=h_C[c];
}
else
{
c_z++;
}
}
}
lista.resize(lista.size()-c_z+1);
return(0);
}
カーネルで2D 配列とfor
ループを使用してみましたが、正しい結果を得ることができませんでした。