[C++]基于AMP的GPU并行计算

基于AMP的GPU并行计算

AMP简介

C++AMP (C++ Accelerated Massive Parallelism)利用并行硬件（例如独立图形加速卡）的性能，加速你C++程序的执行速度，C++ AMP编程模型包括支持多维数组，索引，内存传输和平铺，包括数学函数库。你可以使用C++ AMP更广泛的控制CPU同GPU之间数据的传递。
注意：C++ AMP要求你的显卡完整支持DirectX11硬件特性。

具体实现

#include "pch.h"
#include <amp.h>
#include <iostream>
#include <vector>
using namespace Concurrency;
constexpr auto PI = 3.14159265358979323846;
const int size = 10000000;//循环次数

//GPU计算
void GPUCompute(std::vector<double> vec)
{
	DWORD t1, t2;
	t1 = GetTickCount();
	std::vector<double> resultVec;
	resultVec.resize(size);

	array_view<const double, 1> array1(size, vec);
	array_view<const double, 1> array2(size, vec);
	array_view<double, 1> result(size, resultVec);
	//GPU计算部分
	parallel_for_each(result.extent, [=](index<1> idx) restrict(amp)
	{
		result[idx] = array1[idx] * array1[idx] * array2[idx] / array2[idx];
	});
	t2 = GetTickCount();
	std::cout << "GPU Use Time:" << (t2 - t1)*1.0 / 1000 << "\n";
}

//CPU计算
void CPUCompute(std::vector<double> vec)
{
	DWORD t1, t2;
	t1 = GetTickCount();
	std::vector<double> result;
	result.resize(size);

	for (size_t i = 0; i < size; i++)
	{
		result[i] = vec[i] * vec[i] * vec[i] / vec[i];
	}
	t2 = GetTickCount();
	std::cout << "CPU Use Time:" << (t2 - t1)*1.0 / 1000 << "\n";
}

int main()
{
	std::vector<double> nums;
	for (size_t i = 0; i < size; i++)
	{
		nums.push_back(PI);
	}
	GPUCompute(nums);
	CPUCompute(nums);

	system("PAUSE ");
}

时间消耗

遗留问题及猜想

在循环数量过少，例如少于1w次循环下，cpu执行速度会比gpu执行速度快。原因可能在于gpu获取数据有固定时间消耗，无法像cpu一样直接调度数据总线。
因此会产生在循环数量很多时，cpu和gpu的差异才会被拉开。