Clever Geek Handbook

Boost.ComputeまたはGPU / CPU並列コンピューティング。パート2

前書き



こんにちは、Habr！



多くの人が前の部分を気に入ったので、私は再びブーストドキュメントの半分をシャベルして、何か書くべきものを見つけました。boost.asioの周りのようにboost.computeの周りにそのような興奮がないのは非常に奇妙です。結局のところ、このライブラリはクロスプラットフォームであり、GPUおよびCPUで並列コンピューティングと対話するための便利な（c ++のフレームワーク内の）インターフェイスも提供します。



すべての部品





コンテンツ



  • 非同期操作
  • カスタム機能
  • さまざまなモードでのさまざまなデバイスの速度の比較
  • 結論


非同期操作



それははるかに速いように見えますか？計算名義のコンテナでの作業をスピードアップする1つの方法は、非同期関数を使用することです。 Boost.computeは、いくつかのツールを提供します。これらのうち、関数の使用を制御するためのcompute :: futureクラスと、配列をコピーまたは入力するためのcopy_async（）、fill_async（）関数。もちろん、イベントを操作するためのツールもありますが、それらを考慮する必要はありません。以下は、上記のすべてを使用する例です。 



auto device = compute::system::default_device();
auto context = compute::context::context(device);
auto queue = compute::command_queue(context, device);
	
std::vector<int> vec_std = {1, 2, 3};
compute::vector<int> vec_compute(vec_std.size(), context);
	
compute::vector<int> for_filling(10, context);
int num_for_fill = 255;

compute::future<void> filling = compute::fill_async(for_filling.begin(), 
	for_filling.end(), num_for_fill, queue); //    
compute::future<void> copying = compute::copy_async(vec_std.begin(), 
	vec_std.end(), vec_compute.begin(), queue); //    

filling.wait();
copying.wait();


ここで説明する特別なことは何もありません。最初の3行は必要なクラスの標準初期化であり、次にコピー用の2つのベクトル、塗りつぶし用のベクトル、その変数は前のベクトルを塗りつぶし、直接塗りつぶしとコピーの関数をそれぞれ入力します。次に、それらの実行を待ちます。



STLのstd :: futureを使用した人にとって、ここではすべてが同じですが、名前が異なるだけで、std :: async（）の類似物はありません。



計算用のカスタム関数





前のパートでは、独自のメソッドを使用してデータセットを処理する方法について説明することを説明しました。これを行うには、マクロを使用する方法、make_function_from_source <>（）を使用する方法、ラムダ式用の特別なフレームワークを使用する方法の3つを数えました。



最初のオプションであるマクロから始めます。まず、サンプルコードを添付してから、その仕組みを説明します。 



BOOST_COMPUTE_FUNCTION(float, 
	add,
	(float x, float y),
	{ return x + y; });


最初の引数は戻り値のタイプであり、次に関数の名前、その引数、および関数の本体です。さらにaddという名前で、この関数は、たとえば、compute :: transform（）関数で使用できます。このマクロの使用は通常のラムダ式と非常に似ていますが、機能しないことを確認しました。



2番目の、おそらく最も難しい方法は、最初の方法と非常に似ています。前のマクロのコードを調べたところ、2番目の方法を使用していることがわかりました。 



compute::function<float(float)> add = compute::make_function_from_source<float(float)>
	("add", "float add(float x, float y) { return x + y; }");


ここでは、一見したところよりもすべてが明白です。make_function_from_source（）関数は、2つの引数のみを使用します。1つは関数の名前で、もう1つはその実装です。関数が宣言された後は、マクロ実装後と同じように使用できます。



さて、最後のオプションはラムダ式フレームワークです。使用例： 



compute::transform(com_vec.begin(), 
     com_vec.end(), 
     com_vec.begin(), 
     compute::_1 * 2, 
     queue);


4番目の引数として、最初のベクトルの各要素に2を掛けたいことを示します。すべてが非常に単純で、適切に実行されます。



ブール式も同様に指定できます。たとえば、compute :: count_if（）メソッドでは次のようになります。 



std::vector<int> source_std = { 1, 2, 3 };
compute::vector<int> source_compute(source_std.begin() ,source_std.end(), queue);
auto counter = compute::count_if(source_compute.begin(), 
source_compute.end(), 
compute::lambda::_1 % 2 == 0, 
queue);


したがって、配列内のすべての偶数をカウントしました。counterは1に等しくなります。



さまざまなモードでのさまざまなデバイスの速度の比較



さて、この記事で最後に書きたいのは、さまざまなデバイスとさまざまなモード（CPUのみ）でのデータ処理速度の比較です。この比較は、一般にコンピューティングと並列コンピューティングにGPUを使用することが理にかなっている場合に証明されます。



次のようにテストします。すべてのデバイスにcomputeを使用して、1億個のfloat値の配列をソートするためにcompute :: sort（）関数を呼び出します。シングルスレッドモードをテストするには、同じサイズの配列でstd :: sortを呼び出します。デバイスごとに、クロノ標準ライブラリを使用して時間をミリ秒単位で記録し、すべてをコンソールに出力します。



結果は次のとおりです







。1000個の値に対してのみ同じことを行います。今回はマイクロ秒単位になります。







今回は、シングルスレッドモードのプロセッサが誰よりも進んでいました。このことから、この種の操作は、本当に大きなデータに関してのみ行う価値があると結論付けます。



もう少しテストをしたいので、余弦、平方根、二乗を計算するテストをしてみましょう。



コサインの計算では、その差は非常に大きくなります（GPUは1つのスレッドでCPUより60倍高速に実行されます）。







平方根は、ソートとほぼ同じ速度で計算されます。





二乗に費やされる時間は、並べ替えよりもさらにわずかです（GPUはわずか3.5倍高速です）。







結論



したがって、この記事を読んだ後、非同期関数を使用して配列をコピーして埋める方法を学びました。独自の関数を使用してデータの計算を実行する方法を学びました。また、並列コンピューティングにGPUまたはCPUを使用する価値がある場合、および1つのスレッドで処理できる場合も明確にわかりました。



お時間をいただき、ありがとうございました。



皆さんお元気で！


More articles:


All Articles