0
我正在比較使用「標準」CUDA實現和基於「基於紋理」的CUDA實現的複數(float2)的一維線性插值。通過CUDA紋理插值進行一維線性插值的精度
「標準」 CUDA實現包括下列行:
/*************************************/
/* LINEAR INTERPOLATION KERNEL - GPU */
/*************************************/
__device__ float linear_kernel_GPU(float in)
{
float d_y;
return 1.-abs(in);
}
/**********************************************/
/* LINEAR INTERPOLATION KERNEL FUNCTION - GPU */
/**********************************************/
__global__ void linear_interpolation_kernel_function_GPU(float2* result_d, float2* data_d, float* x_in_d, float* x_out_d, int M, int N)
{
int j = threadIdx.x + blockDim.x * blockIdx.x;
if(j<N)
{
result_d[j].x = 0.;
result_d[j].y = 0.;
for(int k=0; k<M; k++)
{
if (fabs(x_out_d[j]-x_in_d[k])<1.) {
result_d[j].x = result_d[j].x + linear_kernel_GPU(x_out_d[j]-x_in_d[k])*data_d[k].x;
result_d[j].y = result_d[j].y + linear_kernel_GPU(x_out_d[j]-x_in_d[k])*data_d[k].y; }
}
}
}
extern "C" void linear_interpolation_function_GPU(cuComplex* result_d, cuComplex* data_d, float* x_in_d, float* x_out_d, int M, int N){
dim3 dimBlock(BLOCK_SIZE,1); dim3 dimGrid(N/BLOCK_SIZE + (N%BLOCK_SIZE == 0 ? 0:1),1);
linear_interpolation_kernel_function_GPU<<<dimGrid,dimBlock>>>(result_d, data_d, x_in_d, x_out_d, M, N);
}
的「基於紋理的」 CUDA實現包括下列行:
texture<float2, 1, cudaReadModeElementType> data_d_texture;
// ********************************************************/
// * LINEAR INTERPOLATION KERNEL FUNCTION - GPU - TEXTURE */
// ********************************************************/
__global__ void linear_interpolation_kernel_function_GPU_texture(cuComplex* result_d, float* x_out_d, int M, int N)
{
int j = threadIdx.x + blockDim.x * blockIdx.x;
if(j<N) result_d[j] = tex1D(data_d_texture,float(x_out_d[j]+M/2+0.5));
}
// *************************************************/
// * LINEAR INTERPOLATION FUNCTION - GPU - TEXTURE */
// *************************************************/
extern "C" void linear_interpolation_function_GPU_texture(float2* result_d, float2* data, float* x_in_d, float* x_out_d, int M, int N){
cudaArray* data_d = NULL; cudaMallocArray (&data_d, &data_d_texture.channelDesc, M, 1);
cudaMemcpyToArray(data_d, 0, 0, data, sizeof(float2)*M, cudaMemcpyHostToDevice);
cudaBindTextureToArray(data_d_texture, data_d);
data_d_texture.normalized = false;
data_d_texture.filterMode = cudaFilterModeLinear;
dim3 dimBlock(BLOCK_SIZE,1); dim3 dimGrid(N/BLOCK_SIZE + (N%BLOCK_SIZE == 0 ? 0:1),1);
linear_interpolation_kernel_function_GPU_texture<<<dimGrid,dimBlock>>>(result_d, x_out_d, M, N);
}
的「基於紋理的」內插是比「標準」快20倍以上。但是,我注意到結果中有一些不匹配,兩種實現之間的均方根誤差約爲0.07%
。
CUDA C編程指南指出,插值係數以8位小數值的格式存儲在9位定點格式中,這可能是導致不匹配的原因。
我有那麼兩個問題:
1)是否有「貓膩」提升「基於紋理的」插值的準確性?
2)我認爲這個9位表示會限制這裏得到的精度,即使我移動到float4,對不對?換句話說,從float2到float4提高數字表示的準確性沒有意義?
在此先感謝。
謝謝湯姆,但我應該如何「預插值」? – JackOLantern
「預插值」我的意思是運行一個內核來預處理數據,做一個簡單的雙線性插值(或者任何你想要的插值),所以在1D中如果我有「abc」,那麼我創建「a(a + b )/ 2 b(b + c)/ 2 c「等等。假設預處理的一次性成本由實際插值的大量成本攤銷。 – Tom