ПиРВ Лабораторная работа 8. Гистограмма

• Название: Гистограмма
• Анкор: ПиРВ Лабораторная работа 8
• Дата: 17.03.2022
• Размер: 100.66 Kb.
• Имя файла: LR_8.docx
• Тип: Лабораторная работа; #402316

Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации

Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования

«Московский технический университет связи и информатики»

Кафедра «Системное программирование»

Лабораторная работа №8

«Гистограмма»

Выполнил: студент

группы БИБ2001

Поляков М. В.

Проверил:

Клешнин Н. Г.

Москва

2021 г.

Оглавление

Введение 3

Ход работы 4

Листинг 1 4

Результаты лабораторной работы 7

Заключение 8

Ответы на вопросы 9

Введение

Данная лабораторная работа предназначена для разработки алгоритма, который будет строить гистограмму – способ представления табличных данных в виде столбчатой диаграммы. Программа должна строить гистограмму для входящего целочисленного массива, с заданным диапазоном.

Ход работы

Вначале, я создал проект CUDA в программе Visual Studio, затем я воспользовался готовым шаблоном кода, который надо было отредактировать так, чтобы он выполнял необходимые функции, такие как запуск ядра CUDA, копирование результата на хост и так далее. Результатом этого является код программы, представленный на листинге 1.

Листинг 1

#include "cuda_runtime.h"

#include "device_launch_parameters.h"

#include

#include

#include

#include "wb.h"

using namespace std;
#define NUM_BINS 128
static unsigned int* generate_data(size_t n, unsigned int num_bins)

{

unsigned int* data = (unsigned int*)malloc(sizeof(unsigned int) * n);

for (unsigned int i = 0; i < n; i++) {

data[i] = rand() % num_bins;

}

return data;

}
__global__ void histo_kernel(unsigned int* buffer, unsigned int* histo, unsigned int size, unsigned num_bins)

{

for (int i = 0; i < num_bins; i++)

histo[i] = 0;
int i = 0;

while (i < size)

{

histo[buffer[i]]++;

i++;

}

}
#define CUDA_CHECK(ans) \

{ gpuAssert((ans), __FILE__, __LINE__); }

inline void gpuAssert(cudaError_t code, const char* file, int line,

bool abort = true) {

if (code != cudaSuccess) {

fprintf(stderr, "GPUassert: %s %s %d\n", cudaGetErrorString(code),

file, line);

if (abort)

exit(code);

}

}
int main(int argc, char* argv[]) {

setlocale(LC_ALL, "Russian");

cout << "Введите длину массива" << endl;

int inputLength;

unsigned int* hostInput;

unsigned int* hostBins;

unsigned int* deviceInput;

unsigned int* deviceBins;
srand(time(0));

cin >> inputLength;
wbTime_start(Generic, "Importing data and creating memory on host");

hostInput = generate_data(inputLength, NUM_BINS);

for (int i = 0; i < inputLength;)

{

for (int j = 0; i < inputLength && j < 20; i++, j++)

cout << hostInput[i] << " ";

cout << endl;

}

cout << endl << endl;
hostBins = (unsigned int*)malloc(128 * sizeof(unsigned int));

wbTime_stop(Generic, "Importing data and creating memory on host");
wbTime_start(GPU, "Allocating GPU memory.");

cudaMalloc((void**)&deviceInput, inputLength * sizeof(unsigned int));

cudaMalloc((void**)&deviceBins, NUM_BINS * sizeof(unsigned int));

cudaDeviceSynchronize();

wbTime_stop(GPU, "Allocating GPU memory.");
wbTime_start(GPU, "Copying input memory to the GPU.");

cudaMemcpy(deviceInput, hostInput, inputLength * sizeof(unsigned int), cudaMemcpyHostToDevice);

cudaDeviceSynchronize();

wbTime_stop(GPU, "Copying input memory to the GPU.");


dim3 blockDim(1), gridDim(1);;
wbTime_start(Compute, "Performing CUDA computation");

histo_kernel <<< gridDim, blockDim, NUM_BINS * sizeof(unsigned int) >> >(deviceInput, deviceBins, inputLength, NUM_BINS);

cudaGetLastError();

cudaDeviceSynchronize();

wbTime_stop(Compute, "Performing CUDA computation");
wbTime_start(Copy, "Copying output memory to the CPU");

cudaMemcpy(hostBins, deviceBins, NUM_BINS * sizeof(unsigned int), cudaMemcpyDeviceToHost);

cudaDeviceSynchronize();

wbTime_stop(Copy, "Copying output memory to the CPU");
wbTime_start(GPU, "Freeing GPU Memory");

cudaFree(deviceInput);

cudaFree(deviceBins);

wbTime_stop(GPU, "Freeing GPU Memory");
for (int i = 0; i < NUM_BINS;)

{

for (int j = 0; j < 8 && i < NUM_BINS; j++, i++)

{

cout << " \t'" << i << "'" << " - " << hostBins[i];

}

cout << endl;

}
free(hostBins);

free(hostInput);

return 0;

}

Результат лабораторной работы

Результатом лабораторной работы является вывод в окно отладки гистограммы для массива целых чисел с задаваемой пользователем длиной. Результат работы программы представлен на рисунке 1.



Рисунок 1 – Результат работы программы

Заключение

Таким образом, с помощью языка программирования CUDA я научился создавать программу, которая строит гистограмму для массива целых чисел.

Ответы на вопросы

1. 
   
   Какая оптимизация дала наибольший прирост производительности?
   

Ответ: Один из методов оптимизации: приватизация совместно используемой памяти. Этот метод оптимизации обеспечивает значительное повышение производительности.

2. 
   
   Сколько атомарных операций выполнит выше ядро вычисления гистограммы?
   

Ответ: Одна атомарная операция для каждого элемента ввода в общую память, затем атомная операция NUM \\ BINS для каждого блока потока для накопления результатов в глобальных ячейках.