訪問(wèn)【W(wǎng)RITE-BUG數(shù)字空間】_[內(nèi)附完整源碼和文檔]

基于CUDA的GPU計(jì)算PI值。本項(xiàng)目使用CUDA編程模型并行計(jì)算PI值，研究GPU與CPU效率的比較，分析不同GPU線程分塊對(duì)性能的影響。

異構(gòu)計(jì)算試驗(yàn)報(bào)告

---實(shí)驗(yàn)1：基于CUDA的GPU計(jì)算PI值

第一部分：實(shí)驗(yàn)環(huán)境

OS：Windows 10

CPU：intel(R) Core(TM) i7-10510U CPU@mailto:CPU@ 1.80Ghz

GPU:NVIDIA GeForce MX250

編譯器： cl :v19.29.30133

nvcc:Cuda compilationn tools, release 11.4, V11.4.120

第二部分：實(shí)驗(yàn)內(nèi)容

使用 CUDA 編程模型并行計(jì)算 PI 值，研究 GPU 與 CPU 效率的比較，分析不同 GPU 線程分塊對(duì)性能的影響

第三部分：實(shí)驗(yàn)原理

數(shù)學(xué)原理為

1 積分求解

編輯切換為居中

2 冪級(jí)數(shù)求解

編輯切換為居中

使用 CUDA 編程模型，程序執(zhí)行過(guò)程為

CUDAMALLOC -> CUDAMEMCPY(HTOD) ->KERNEL->CUDAMEMCPY(DTOH)

在執(zhí)行和函數(shù)時(shí)指定 <<<grid，block>>> 來(lái)控制線程的數(shù)量和結(jié)構(gòu)

第四部分：性能分析

# define Ｎ　迭代次數(shù)

1 CPU VS GPU

1.1 單核比較

N = (10001000100)=100M

CPU（thread = 1）：4.887（s）

GPU(grid = 1,block=1)：用時(shí)過(guò)長(zhǎng)..無(wú)法測(cè)量

1.2 多核比較

首先要發(fā)揮出最大的 CPU 性能，由于機(jī)器的 CPU 是邏輯 8 核的，所以理論上開啟 8 個(gè)線程可以發(fā)揮最大性能。所以我寫了一個(gè) 8 線程并行的程序來(lái)計(jì)算，同樣循環(huán) N=（10001000100）次

編輯切換為居中

可以看出新的時(shí)間為 0.768s 快了不少

（PS：這里的程序是使用 GCC 編譯的，而 CUDA 程序 NVCC 調(diào)用的是 MSCV 的編譯器，Windows 平臺(tái)上 NVCC 不支持 GCC，但是結(jié)果應(yīng)該是差不多的）

2 GPU 性能分析

接下來(lái)就是找出 GPU 的最高性能了。

首先在 grid = 1 下探究 block 里的線程數(shù)對(duì)性能的影響。這里可以直接用 nvprof 分析，非常方便。

2.1 grid = (1,1,1) block = (10,1,1)

編輯切換為居中

一共用時(shí)：34.5556s 線程數(shù)：10

可以注意到，在本程序中，主要的時(shí)間是消耗在計(jì)算上的，由于沒有什么要拷貝的內(nèi)存，所以瓶頸只會(huì)出現(xiàn)在計(jì)算上

2.2 grid=(1,1,1) block=(100,1,1)

編輯切換為居中

一共用時(shí)：2.58383s 線程數(shù)：100

2.3 grid=(1,1,1) block=(1000,1,1)

編輯切換為居中

一共用時(shí)：1.543s 線程數(shù)：1000

每個(gè) block 的最大線程數(shù)限制是 1024，這里就不能再增加 block 了