Простой пример умножения матриц CUBLAS?

Я ищу очень простой пример умножения матрицы костей для CUBLAS, который может умножать M на N и помещать результаты в P для следующего кода, используя высокопроизводительные операции графического процессора:

float M[500][500], N[500][500], P[500][500];
for(int i = 0; i < Width; i++){
    for(int j = 0; j < Width; j++)
    {
        M[i][j] = 500;
        N[i][j] = 500;
        P[i][j] = 0;
    }
}

До сих пор большая часть кода, который я нахожу для выполнения любого матричного умножения с использованием CUBLAS, (казалось бы?) Слишком сложна.

Я пытаюсь разработать базовую лабораторную работу, в которой учащиеся могут сравнить производительность умножения матриц на графическом процессоре и умножения матриц на процессоре, предположительно с повышенной производительностью на графическом процессоре.


gpu cuda matrix-multiplication cublas
person Chris Redford    schedule 03.10.2011    source источник
comment
Считаете ли вы пример simpleCublas в CUDA SDK чрезмерно сложным?   -  person talonmies    schedule 04.10.2011
comment
да. Я имею в виду, если это так просто, я думаю, нам просто нужно с этим смириться. Я просто надеялся, что будет какой-то код с очевидным эквивалентом процессора, чтобы мы могли синхронизировать оба и сравнить результаты.   -  person Chris Redford    schedule 04.10.2011
comment
Я GTA для класса Data Structures 500 уровня. Таким образом, мы уже накачиваем их настолько подробной информацией о программировании различных деревьев, куч и других структур данных, а также о соответствующих C++ и соглашениях об экспериментах, что они узнают, что многие синтаксические детали для CUBLAS действительно выходят за рамки соответствующей информации для класс.   -  person Chris Redford    schedule 04.10.2011
comment
Сами вызовы линейной алгебры CUBLAS следуют тому же синтаксису/API, что и стандартный BLAS, который по умолчанию является абсолютно линейным. алгебра API и библиотека и существует с 1980-х годов, когда она была написана. Использование графического процессора подразумевает использование системы с неравномерным пространством памяти, что влечет за собой дополнительные накладные расходы API. Поэтому, если вы считаете, что любой из них выходит за верхний предел того, чему вы пытаетесь учить, то, я думаю, вам не повезло.   -  person talonmies    schedule 04.10.2011
comment
Хорошо. Спасибо за справочную информацию. Я буду продолжать смотреть вокруг. Возможно, мне придется задать более общий вопрос о SO. Все, что мне нужно, это всего лишь НЕКОТОРЫЙ пример, максимально простой, чтобы я мог показать, что GPU превосходит CPU в любой алгоритмической задаче, используя CUDA.   -  person Chris Redford    schedule 04.10.2011

Ответы (2)


arrow_upward
8
arrow_downward

SDK содержит matrixMul, иллюстрирующий использование CUBLAS. Более простой пример см. в руководстве по CUBLAS, раздел 1.3.

Образец matrixMul также показывает собственное ядро, которое, конечно, не будет работать так же хорошо, как CUBLAS.

person Tom    schedule 04.10.2011

arrow_upward
1
arrow_downward

CUBLAS не нужен, чтобы показать, что GPU превосходит CPU, хотя CUBLAS, вероятно, превзойдет его в большей степени. Похоже, что многие простые реализации CUDA (включая умножение матриц) могут превзойти ЦП по производительности при наличии достаточно большого набора данных, как объяснено и продемонстрировано здесь:

Простейший возможный пример демонстрации производительности GPU с использованием CUDA

person Chris Redford    schedule 08.10.2011