みけCATのにっき（仮）
つれづれなるまゝに、日くらし、PCにむかひて、心に移りゆくよしなし事を、そこはかとなく書きつくれば、あやしうこそものぐるほしけれ。
（本当か！？）
出典

Core2DuoでもCUDAがしたい！

アバター
みけCAT
記事: 6734
登録日時: 14年前
住所: 千葉県
連絡を取る:
みけCAT に連絡する

Core2DuoでもCUDAがしたい！

投稿記事 by みけCAT » 11年前

高校生もすなるCUDAといふものを、みけCATもしてみむとて、するなり。

環境
Windows Vista Home Premium Service Pack 2
プロセッサ : Intel(R) Core(TM)2 Duo CPU T8100 @2.10GHz 2.10GHz
メモリ(RAM) : 4.00GB
システムの種類 : 32ビット オペレーティング システム
姫野ベンチマーク(実行形式、M) : 1182.665 MFLOPS (1回測定)

まずは、ダウンロードページを開き、
CUDA Toolkit (nvccなどが入っている)とCUDA SDK code samples (ヘッダなどが入っている)をダウンロードします。
CUDA Toolkit 2.3 Downloads | NVIDIA Developer Zone
ダウンロードしたら、適当にインストールします。

とりあえずnvccを実行させると、cl.exeに依存しているようです。
とりあえずgcc.exeをcl.exeにコピーしてみてもうまくいかないようだったので(当たり前)、
諦めておとなしくこのサイトからVisual C++のisoをダウンロードし、インストールしました。
NonSoft - Visual Studio 2008 Expressのダウンロードとインストール
gizmoでマウントしてもうまくいかなかったですが、7-zipで展開したらインストールできました。

インストールしてもnvccが「cl.exeが見つからない」と文句を言ってきますが、
普通のコマンドプロンプトではなく、スタートメニューの中にある「Visual Studio 2008 コマンド プロンプト」を使用するとうまくいきます。

CUDA入門・サンプル集
ゼロから始めるGPU Computingの一覧 | G-DEP
ここらへんのサイトを参考に、いくつかのサンプルを動かしたあと、自分で考えてプログラムを組んでみます。
今回は離散フーリエ変換のプログラムを用意しました。

まずはCUDAを使わない、従来のプログラム(rfh_normal.c)

CODE: 

#include 
#include 
#include 

#define THE_PI 3.1415926535897932384626433832795028841f

void risanfuuriehenkan(float out[],const float in[],int N) {
	int x;
	#ifdef _OPENMP
	#pragma omp parallel for
	#endif
	for(x=0;x
#include 
#include 

#define THE_PI 3.1415926535897932384626433832795028841f

__global__ void risanfuuriehenkan(float out[],const float in[],int N) {
	float a=0,b=0;
	int i=blockIdx.x*512+threadIdx.x;
	int j;
	for(j=0;j65535*512+511 || (N>512 && N%512!=0)) {
		puts("invalid N");
		return 1;
	}
	if(N%32!=0) {
		puts("warning: N should be a multiple of 32");
	}
	if(N>512) {
		bnum=N/512;
		snum=512;
	} else {
		bnum=1;
		snum=N;
	}
	in=(float*)malloc(sizeof(float)*N);
	out=(float*)malloc(sizeof(float)*N);
	if(in==NULL || out==NULL) {
		puts("malloc error");
		if(in)free(in);
		if(out)free(out);
		return 1;
	}
	for(i=0;i>>(deviceOut,deviceIn,N);
	CUDA_SAFE_CALL(cudaMemcpy(out,deviceOut,sizeof(float)*N,cudaMemcpyDeviceToHost));
	for(i=0;i
#include 
#include 

int main(int argc,char* argv[]) {
	int N=512,i;
	srand((unsigned int)time(NULL));
	if(argc>=2)sscanf(argv[1],"%d",&N);
	printf("%d\n",N);
	for(i=0;i<N;i++)printf("%g\n",(double)rand()/RAND_MAX);
	return 0;
}
Makefile

CODE: 

.PHONY: all
all: rfh_cuda.exe rfh_normal.exe rfh_omp.exe ;

rfh_cuda.exe: rfh_cuda.cu
	nvcc -O2 -o rfh_cuda.exe rfh_cuda.cu -I "C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK\C\common\inc" -deviceemu

rfh_normal.exe: rfh_normal.c
	gcc -O2 -o rfh_normal.exe rfh_normal.c

rfh_omp.exe: rfh_normal.c
	gcc -O2 -fopenmp -o rfh_omp.exe rfh_normal.c
では、実行時間がどのように変化するか測定してみましょう。
今回は、N=1024,2048,4096,6144,8192の入力を用意しました。
それぞれ1回ずつ測定します。

測定結果(時間の単位はms)
[table=border:1px solid white;border-collapse: collapse;][tr=][td=border:1px solid white;padding: 0.5em;]N[/td][td=border:1px solid white;padding: 0.5em;]工夫なし[/td]
[td=border:1px solid white;padding: 0.5em;]OpenMP[/td][td=border:1px solid white;padding: 0.5em;]CUDA[/td]
[td=border:1px solid white;padding: 0.5em;]工夫なし/OpenMP[/td]
[td=border:1px solid white;padding: 0.5em;]工夫なし/CUDA[/td][/tr]

[tr=][td=border:1px solid white;padding: 0.5em;]1024[/td][td=border:1px solid white;padding: 0.5em;]339.053776[/td]
[td=border:1px solid white;padding: 0.5em;]205.399778[/td][td=border:1px solid white;padding: 0.5em;]985.876976[/td]
[td=border:1px solid white;padding: 0.5em;]1.650701765[/td][td=border:1px solid white;padding: 0.5em;]0.343910837[/td][/tr]

[tr=][td=border:1px solid white;padding: 0.5em;]2048[/td][td=border:1px solid white;padding: 0.5em;]1099.708832[/td]
[td=border:1px solid white;padding: 0.5em;]613.226402[/td][td=border:1px solid white;padding: 0.5em;]3496.804412[/td]
[td=border:1px solid white;padding: 0.5em;]1.793316185[/td][td=border:1px solid white;padding: 0.5em;]0.31448966[/td][/tr]

[tr=][td=border:1px solid white;padding: 0.5em;]4096[/td][td=border:1px solid white;padding: 0.5em;]4111.300528[/td]
[td=border:1px solid white;padding: 0.5em;]2167.149805[/td][td=border:1px solid white;padding: 0.5em;]13477.011743[/td]
[td=border:1px solid white;padding: 0.5em;]1.897100292[/td][td=border:1px solid white;padding: 0.5em;]0.305060247[/td][/tr]

[tr=][td=border:1px solid white;padding: 0.5em;]6144[/td][td=border:1px solid white;padding: 0.5em;]9296.543695[/td]
[td=border:1px solid white;padding: 0.5em;]4994.841244[/td][td=border:1px solid white;padding: 0.5em;]30281.241261[/td]
[td=border:1px solid white;padding: 0.5em;]1.861229064[/td][td=border:1px solid white;padding: 0.5em;]0.307006692[/td][/tr]

[tr=][td=border:1px solid white;padding: 0.5em;]8192[/td][td=border:1px solid white;padding: 0.5em;]16038.909065[/td]
[td=border:1px solid white;padding: 0.5em;]8806.296471[/td][td=border:1px solid white;padding: 0.5em;]53111.161684[/td]
[td=border:1px solid white;padding: 0.5em;]1.821300148[/td][td=border:1px solid white;padding: 0.5em;]0.30198754[/td][/tr][/table]
time_result.png
実行時間のグラフ
time_result.png (9.96 KiB) 閲覧数: 302 回
OpenMPを使用すると平均で1.804729491倍の高速化ができたのに対し、
CUDAを使用すると平均でなんと0.314490995倍の高速化に成功しました！

しかし、CUDA版の出力は、工夫なし版と比べて誤差が出ていました。
OpenMPでも誤差が出るので、今回は少数点以下を出力しないことで誤差を隠そうとしたにもかかわらず、です。
といっても、出力のほとんどの数値は一致しているので、やはり誤差のようです。

私のプログラムが遅いのはどう考えてもPCが悪い!
ページトップ
アバター
qwea
記事: 14
登録日時: 14年前

Re: Core2DuoでもCUDAがしたい！

投稿記事 by qwea » 11年前

OpenMPはCPUでの並列処理なので高速化できていますが、
CUDAはGPUを使って並列処理するもので、今回は-deviceemuが指定されているため
CPU上でエミュレートされ遅くなっていますね。
ページトップ
ISLe
記事: 2650
登録日時: 14年前

RE: Core2DuoでもCUDAがしたい！

投稿記事 by ISLe » 11年前

みけCAT さんが書きました:私のプログラムが遅いのはどう考えてもPCが悪い!
わたしはプラットフォームに最適化するのがプログラマの仕事だと思いますけどね。
古い考え方なのでしょうかね。
とはいえ、それ以外にプログラマの仕事って何があるのやら。
ページトップ
naohiro19
記事: 256
登録日時: 14年前

Re: Core2DuoでもCUDAがしたい！

投稿記事 by naohiro19 » 11年前

Cudaを使うにはNVIDIAのグラフィックボードがパソコンについていなければ使うことはできません。
ページトップ
アバター
softya（ソフト屋)
副管理人
記事: 11677
登録日時: 14年前

RE: Core2DuoでもCUDAがしたい！

投稿記事 by softya（ソフト屋) » 11年前

みけCAT さんが書きました: OpenMPを使用すると平均で1.804729491倍の高速化ができたのに対し、
CUDAを使用すると平均でなんと0.314490995倍の高速化に成功しました！
ぜったい、わざとやってるよね。
ページトップ
アバター
usao
記事: 1889
登録日時: 12年前

Re: Core2DuoでもCUDAがしたい！

投稿記事 by usao » 11年前

CUDAさわったことあるけど，
「CUDAで頑張らないとつらいような問題に挑む機会がまずそうそう無い」という個人的結論に至り終了．
１時間くらいかかってた計算が15分くらいにはなったのもあったけど，
そのときは（理由は忘れたけど）なにやら
CPUだとdouble計算　→　CUDAだとfloat計算　ということになってて
扱ってる問題的に　結果精度がちょっと…　という雰囲気で一粒で２度終了．

CPUエミュレーションだと
>0.314490995倍
どころじゃない遅さだったような記憶．
ページトップ