VPR (Versatile Place and Route) ツールでの配置 (配置配線) に使用されるシミュレーテッド アニーリング アルゴリズムを並列化するプロジェクトに取り組んでいます。
基本的に、ツールで使用される多くの C ファイルの 1 つの一部を CUDA C に変換する必要があります。コードの 1 つのセグメント全体を複数のコアで並行して実行する必要があるだけです。各コアは、データの個別のコピーで動作する必要があります。したがって、データをホストからデバイスメモリにコピーする必要があると思います。
コードを 1 行ずつ変更せずに、このプロセス全体を実行することは可能ですか?
Janisz が示唆するように、私が興味を持っているコードの部分を添付しています。
while (exit_crit(t, cost, annealing_sched) == 0)
{
//Starting here,I require this part to run on different cores.
//Not the entire while loop.
av_cost = 0.;//These variables should be a local copy for each core.
av_bb_cost = 0.;
av_delay_cost = 0.;
av_timing_cost = 0.;
sum_of_squares = 0.;
success_sum = 0;
inner_crit_iter_count = 1;
for (inner_iter=0; inner_iter < move_lim; inner_iter++) {
//This function try_swap also has to run on different cores and also needs
//to be run on a local copy of data, ie each core needs to completely
//operate on its own data. And this function calls other functions which also have
//the same requirements.
if (try_swap(t, &cost, &bb_cost, &timing_cost,
rlim, pins_on_block, placer_opts.place_cost_type,
old_region_occ_x, old_region_occ_y, placer_opts.num_regions,
fixed_pins, placer_opts.place_algorithm,
placer_opts.timing_tradeoff, inverse_prev_bb_cost,
inverse_prev_timing_cost, &delay_cost) == 1) {
success_sum++;
av_cost += cost;
av_bb_cost += bb_cost;
av_timing_cost += timing_cost;
av_delay_cost += delay_cost;
sum_of_squares += cost * cost;
}
#ifdef VERBOSE
printf("t = %g cost = %g bb_cost = %g timing_cost = %g move = %d dmax = %g\n",
t, cost, bb_cost, timing_cost, inner_iter, d_max);
if (fabs(bb_cost - comp_bb_cost(CHECK, placer_opts.place_cost_type,
placer_opts.num_regions)) > bb_cost * ERROR_TOL)
exit(1);
#endif
}
moves_since_cost_recompute += move_lim;
if (moves_since_cost_recompute > MAX_MOVES_BEFORE_RECOMPUTE) {
new_bb_cost = recompute_bb_cost (placer_opts.place_cost_type,
placer_opts.num_regions);
if (fabs(new_bb_cost - bb_cost) > bb_cost * ERROR_TOL) {
printf("Error in try_place: new_bb_cost = %g, old bb_cost = %g.\n",
new_bb_cost, bb_cost);
exit (1);
}
bb_cost = new_bb_cost;
if (placer_opts.place_algorithm ==BOUNDING_BOX_PLACE) {
cost = new_bb_cost;
}
moves_since_cost_recompute = 0;
}
tot_iter += move_lim;
success_rat = ((float) success_sum)/ move_lim;
if (success_sum == 0) {
av_cost = cost;
av_bb_cost = bb_cost;
av_timing_cost = timing_cost;
av_delay_cost = delay_cost;
}
else {
av_cost /= success_sum;
av_bb_cost /= success_sum;
av_timing_cost /= success_sum;
av_delay_cost /= success_sum;
}
std_dev = get_std_dev (success_sum, sum_of_squares, av_cost);
#ifndef SPEC
printf("%11.5g %10.6g %11.6g %11.6g %11.6g %11.6g %11.4g %9.4g %8.3g %7.4g %7.4g %10d ",t, av_cost, av_bb_cost, av_timing_cost, av_delay_cost, place_delay_value, d_max, success_rat, std_dev, rlim, crit_exponent,tot_iter);
#endif
//the while loop continues, but till here is what needs to run on different cores.
要約すると、ここに示すコードと関数呼び出しは、多くのコアで同時に実行する必要があります。つまり、コードを複数回実行し、それぞれ別のコアで実行する必要があります。