CUDA,C++,Java,Python,Fortran运行速度比较

通过计算100万以内素数的运行时间比较这5种语言的运行速度。

每种语言运行30次，取平均值。由于python和fortran的运行速度和Java和C++运行差距过大，python只计算了3次，Fortran运行了10次.

各种语言的语法要求不同，算法只能尽可能写的一致。

这两篇文里对前期的实验有更详细的解释。

CUDA统计了核函数的运行时间，和数据从GPU传回CPU的时间

比如第一组数据

CUDA核函数运行时间ms	CUDA数据从GPU到CPU的时间ms
287	4190

用时287毫秒GPU就把100万以内的素数程序运行完了，又用了4190毫秒这些结果从GPU传回CPU。

具体数据

CUDA核函数运行时间ms	CUDA数据从GPU到CPU的时间ms	c++（不显示中间过程ms）	显示过程ms	java（不显示中间过程ms）	显示过程ms	python（不显示中间过程ms）	fortran(不显示中间过程ms）	显示过程ms
287	4190	967	58228	844	1624	4625593	100717	109126
172	4099	738	57315	549	1716	4492283	102039	109546
141	4173	736	56691	929	1833	5211503	101634	108775
161	4153	784	57116	862	1884	*	100651	122592
145	4097	768	56679	866	1801	*	101487	121870
154	4145	888	81498	922	1801	*	101261	121646
125	4152	713	79003	860	1792	*	101379	120226
138	4105	881	79574	833	1891	*	100606	110631
125	4167	962	79737	851	1806	*	106303	108145
172	4093	875	78760	916	1894	*	94476	108237
156	4101	729	78189	786	1807
172	4109	846	82891	735	1777
148	4040	860	79148	785	1745
141	4075	870	76569	878	1737
141	4088	788	79128	754	1770
174	4117	779	72847	828	1895
159	4122	731	74039	852	1766
125	4194	656	72004	919	1863
125	4122	835	76723	858	1979
156	4074	839	77570	857	1882
141	4177	840	70929	924	1747
149	4128	833	73277	952	1861
156	4100	900	73976	659	1765
141	4175	747	73794	783	1830
125	4092	795	73472	813	1764
125	4157	849	70584	769	1784
121	4067	832	72319	834	1740
125	4112	809	71475	892	1810
173	4082	834	72823	818	1808
158	4037	766	71847	834	1684
平均
151.033333	4118.1	815	72606.8333	832.066667	1801.86667	4776459.67	101055.3	114079.4

1	*	5.39615979	*	5.50915913	*	31625.2019	*	755.325977

计算结果

CUDA > C++ > Java > Fortran > Python

151 < 815 < 832 < 114079 < 4776459

1 < 5.40 < 5.5 < 755 < 31625

也就是对这道题来说CUDA的速度是C++的5.4倍，是Java的5.5倍，是Fortran的755倍，是Python 的31625倍。相比较Java和C++相当于节省了80%的时间，或者一台机器当5台用。

具体程序

#include "book.h"
#include "cuda_runtime.h"
#include "cpu_bitmap.h"

#include<iostream>
#include <time.h>

using namespace std;


#define DIM 1000

/****************************************/


__device__ int julia(int x ,int y){


     int  j=2; 
     int i=x*DIM+y;
    
    int a=0;
   
       
        for(j=2; j <= (i/j); j++) {
            if(!(i%j)) {
                break; 
            }
        }
        
        
        if(j > (i/j)) {
       
         return 1;
        }
        
       
        if(j <= (i/j)) {
       
         return 0;
        }
        
       
 }
 
 
 
 
 __global__ void kernel(unsigned char *ptr){
 
 int x=blockIdx.x;
 int y=blockIdx.y;
 int offset=x+y*gridDim.x;
 
 int juliaValue=julia(x,y);
 
 //printf("%d , %d\n " ,offset , juliaValue);
 
 ptr[offset*4+0]=255*juliaValue;
 ptr[offset*4+1]=0; 
 ptr[offset*4+2]=0;  
 ptr[offset*4+3]=255;
 
 }
 
 
 
 
 
 
 int main(void){
 
clock_t start,end1,end2; 
start=clock();


 
 CPUBitmap bitmap(DIM,DIM);
 
 unsigned char *dev_bitmap;
 
 HANDLE_ERROR (cudaMalloc( (void**)&dev_bitmap,bitmap.image_size()));
 
 dim3 grid(DIM,DIM);
 

 
 
 kernel<<< grid,1>>>(dev_bitmap);
 
 end1=clock();
 cout<<(end1-start)*1000/CLOCKS_PER_SEC <<endl; 
 
 HANDLE_ERROR (cudaMemcpy (bitmap.get_ptr(),dev_bitmap,bitmap.image_size(),cudaMemcpyDeviceToHost ));
                           
  end2=clock();
 cout<<(end2-end1)*1000/CLOCKS_PER_SEC <<endl;        
                       
                           
 bitmap.display_and_exit();
 
 
 
 HANDLE_ERROR (cudaFree(dev_bitmap));
 


 
 
 }

CUDA,C++,Java,Python,Fortran运行速度比较

猜你喜欢