CUDA Texture Part.3 CUDA Array

在 CUDA Texture 文章的第一篇大概講了一下 texture 在 CUDA 裡的基本概念,而第二篇則是講了 linear memory 的 texture,接下來,自然就是 CUDA Array 的 texture 了∼

CUDA Array

CUDA array 在 cuda 中是一個特殊的資料型別,叫做 cudaArray,在 CUDA 中,他應該是專門給 texture 用的一種型別;要對他做記憶體的管裡,則是要透過 cudaMallocArray()cudaFreeArray()cudaMemcpyToArray() 等函式。此外,由於 cudaArray 本身並非 template 的型別,所以在透過 cudaMallocArray() 來配置記憶體時,也要透過 cudaChannelFormatDesc 這個特殊的資料型別,來設定他的資料型別。

cudaChannelFormatDesc channelDesc = cudaCreateChannelDesc<float>();
cudaArray* cuArray;
cudaMallocArray(&cuArray, &channelDesc, width, height);

上面就是一個簡單的例子,所宣告出來的 cuArray,就是一個內部資料是 float,大小是 width * height 的 CUDA Array。其中,cudaChannelFormatDesc 是一個用來描述 fetch 一個 texture 時,回傳值的資料的型別;而要產生對應型別的資料,只要使用他的 template function:

template<class T>
struct cudaChannelFormatDesc cudaCreateChannelDesc<T>();

而在 cudaMallocArray() 的使用上,也只需要給四個參數:cudaArray**cudaChannelFormatDesc*、寬、高。

而相較於一般 linear memory 是用 cudaMemcpy() 來將資料由 host memory 複製到 device memory,CUDA Array 要改用 cudaMemcpyToArray() 來做複製的動作;這個函式的形式為:

cudaError_t cudaMemcpyToArray(struct cudaArray* dstArray,
size_t dstX, size_t dstY,
const void* src, size_t count,
enum cudaMemcpyKind kind);

這個函式會把來源資料 src 複製到 dstArray 中;而 cudaMemcpyKind 則是用來指定複製的方向,有 cudaMemcpyHostToHostcudaMemcpyHostToDevicecudaMemcpyDeviceToHostcudaMemcpyDeviceToDevice 四種值。
第五個參數 count 是代表要複製的資料量;而 dstXdstY 則是代表要由 src 的左上角 (dstX, dstY) 的位置開始複製資料,一般來說應該都是給 0。

Texture with CUDA array

對於使用 CUDA array 的 texture,是要使用 cudaBindTextureToArray() 這個函式來把 CUDA array 和 texture 聯繫起來;使用上,只要給他 texturecudaArray 當作參數就可以了∼其函式形式為:

template<class T, int dim, enum cudaTextureReadMode readMode>
cudaError_t cudaBindTextureToArray(
const struct texture<T, dim, readMode>& texRef,
const struct cudaArray* cuArray);

而要解除 texture 和 CUDA array 的關係,使用的函式和 linear memory 時是一樣的,都是 cudaUnbindTexture()

而在存取上,和 linear memory 的 texture 時的 tex1Dfetch() 不同,是要使用 tex1D()tex2D() 這兩個函式,分別是用在 1D 和 2D 的 texture。其形式分別為:

template<class Type, enum cudaTextureReadMode readMode>
Type tex1D(texture<Type, 1, readMode> texRef, float x);

template<class Type, enum cudaTextureReadMode readMode>
Type tex2D(texture<Type, 2, readMode> texRef, float x, float y);

簡單範例

接下來,還是用實例來看吧∼這邊是用 CUDA Array 的 texture 來做 transpose 的動作。[程式原始碼下載]

首先,main() 的內容如下:

void main( int argc, char** argv )
{
int w = 1920,
h = 1200;

// Setup test data
unsigned char *aSrc = new unsigned char[ w * h ],
*aRS1 = new unsigned char[ w * h ],
*aRS2 = new unsigned char[ w * h ];
for( int i = 0; i < w * h ; i )
aSrc[i] = i % 256;

// CPU code
Transpose_CPU( aSrc, aRS1, w, h );

// GPU Code
Transpose_GPU( aSrc, aRS2, w, h );

// check
for( int i = 0; i < w * h; i )
if( aRS1[i] != aRS2[i] )
{
printf( "Error!!!!" );
break;
}
}

一樣很簡單,就先宣告出原始資料的 aSrc,還有轉置過的資料 aRS1aRS2;然後在原始資料 aSrc 中,填入一些值。(以此例,aSrc 應該是 1920*1200,aRS1aRS2 應該是 1200 * 1920;不過由於在宣告成一維陣列時沒差別,所以沒特別去修改。)

而接下來,就是分別跑 CPU 版和 GPU 版的程式,並比較兩者的結果了∼而 CPU 版的函式 Transpose_CPU() 內容如下:

void Transpose_CPU( unsigned char* sImg, unsigned char *tImg,
int w, int h )
{
int x, y, idx1, idx2;
for( y = 0; y < h; y )
for( x = 0; x < w; x )
{
idx1 = y * w x;
idx2 = x * h y;
tImg[idx2] = sImg[idx1];
}
}

內容應該不用多加解釋了∼總之,就是根據方向的不同,採取不同的方法計算出 idx1idx2 兩個記憶體空間的索引值,以此來把資料由 sImg 複製到 tImg,藉此做到轉置的動作。

Transpose_GPU() 所在的 .cu 檔,內容則如下:

#define BLOCK_DIM 16  texture<unsigned char, 2, cudaReadModeElementType> rT;  extern "C" 
void Transpose_GPU( unsigned char* sImg, unsigned char *tImg,
int w, int h );


__global__
void Transpose_Texture( unsigned char* aRS, int w, int h )
{
int idxX = blockIdx.x * blockDim.x threadIdx.x,
idxY = blockIdx.y * blockDim.y threadIdx.y;
if( idxX < w && idxY < h )
aRS[ idxX * h idxY ] = tex2D( rT, idxX, idxY );
}

void Transpose_GPU( unsigned char* sImg, unsigned char *tImg,
int w, int h )
{
// compute the size of data
int data_size = sizeof(unsigned char) * w * h;

// part1a. prepare the result data
unsigned char *dImg;
cudaMalloc( (void**)&dImg, data_size );

// part1b. prepare the source data
cudaChannelFormatDesc chDesc = cudaCreateChannelDesc<unsigned char>();
cudaArray* cuArray;
cudaMallocArray(&cuArray, &chDesc, w, h);
cudaMemcpyToArray( cuArray, 0, 0, sImg, data_size,
cudaMemcpyHostToDevice );
cudaBindTextureToArray( rT, cuArray );

// part2. run kernel
dim3 block( BLOCK_DIM, BLOCK_DIM ),
grid( ceil( (float)w / BLOCK_DIM), ceil( (float)h / BLOCK_DIM) );
Transpose_Texture<<< grid, block>>>( dImg, w, h );

// part3. copy the data from device
cudaMemcpy( tImg, dImg, data_size, cudaMemcpyDeviceToHost );

// par4. release data
cudaUnbindTexture( rT );
cudaFreeArray( cuArray );
cudaFree( dImg ); }

首先,之前也有提過了,目前的 CUDA 似乎只允許把 texture 宣告在 file-scope,所以一開始就要宣告一個 2D texture 來當輸入資料;說實話,對於這點 Heresy 覺得實在不是很方便。

接下來,直接看 main() 所呼叫的 Transpose_GPU() 吧∼他做的內容如下:

  1. 先把所需要的記憶體大小計算出來
  2. [part1a] 宣告 dImg,並指派記憶體位址給 dImg 來儲存計算後的結果。
  3. [part1b] 建立 CUDA array cuArray、派記憶體位址,將資料由 host memory(sImg) 複製到 device memory(cuArray);並透過 cudaBindTextureToArray()rTcuArray 做聯繫。
  4. [part2] 呼叫 kernel function:Transpose_Texture() 來進行計算。在這邊,thread block 的大小是定義為 BLOCK_DIM*BLOCK_DIM(16*16),grid 的大小則是根據寬和高來除以 block 的大小。
  5. [part3] 將結果由 device memory(dImg)複製回 host memory(tImg)。
  6. [part4] 透過 cudaUnbindTexture()rT sImg 間的聯繫解除,並使用 cudaFreeArray()cudaFree() 將 device memory 釋放掉。

而本程式的 kernel function Transpose_Texture() 內,則是直接透過 blockIdxblockDimthreadIdx 這三個變數,計算出二維中的位置,並在 x、y 都沒有超過範圍時,進行資料轉置的複製,把 (idxX, idxY) 的資料,透過 tex2D() 取出,儲存到 aRS[ idxX * h idxY ]

到此為止,應該是使用 CUDA 2D texture 最基本的方法了∼實際上正如在 part.1 時所提及的,使用 CUDA Array 的 texture 其實還有一些額外的功能可以使用!而除了 high-level 的使用外,也還有 low-level、更細節的功能可以使用∼不過這邊就暫時不提了∼之後有空再說吧。 :p

2 thoughts on “CUDA Texture Part.3 CUDA Array”

  1. 進行資料轉置的複製,把 (idxX, idxY) 的資料,透過 tex2D() 取出,儲存到 aRS[ idxX * h idxY ]。 ————————————————————————-您好,請問一下,在這個Step,是不是複製過程中會把Texture那段的資料作Bilinear Interpolation(2D)??3q!

  2. 您好,以 CUDA Array 的 texture 來說,他是否要使用線性內插的 filter 是可以控制的;可以選擇是 cudaFilterModePoint(取接近點)或 cudaFilterModeLinear(內插)。但是以這個例子來說,由於存取的點都是一一對應的,所以並不需要內插,也沒有選最接近點的必要。

發佈回覆給「James」的留言 取消回覆

發佈留言必須填寫的電子郵件地址不會公開。