CUDA素数发生器的低性能

时间:2012-09-10 23:19:29

标签: cuda

我正在写CUDA的第一个程序。它是素数发生器。它可以工作,但它比同等的单线程C ++代码快50%。 CPU版本使用100%的一个核心。 GPU版本仅使用20%的GPU。 CPU是i5(2310)。 GPU是GF104。

如何提高此算法的性能?

我的完整程序如下。

int* d_C;

using namespace std;

__global__ void primo(int* C, int N, int multi)
{
  int i = blockIdx.x*blockDim.x + threadIdx.x;
  if (i < N) 
  {
    if(i%2==0||i%3==0||i%5==0||i%7==0)
    {
      C[i]=0;           
    }
    else
    {
      C[i]=i+N*multi;
    }
  }
}

int main()
{
  cout<<"Prime numbers \n";
  int N=1000;
  int h_C[1000];
  size_t size=N* sizeof(int);
  cudaMalloc((void**)&d_C, size);

  int threadsPerBlock = 1024;
  int blocksPerGrid = (N + threadsPerBlock - 1) / threadsPerBlock;
  vector<int> lista(100000000);
  int c_z=0;

  for(int i=0;i<100000;i++)
  {
    primo<<<blocksPerGrid, threadsPerBlock>>>(d_C, N,i);    
    cudaMemcpy(h_C, d_C, size, cudaMemcpyDeviceToHost);         
    for(int c=0;c<N;c++)
    {   
      if(h_C[c]!=0)
      {
        lista[c+N*i-c_z]=h_C[c];
      }
      else
      {
        c_z++;
      }
    }   
  }
  lista.resize(lista.size()-c_z+1);
  return(0);
}

我尝试在内核中使用2D数组和for循环,但无法获得正确的结果。

1 个答案:

答案 0 :(得分:3)

欢迎使用Stack Overflow。

以下是一些潜在问题:

  • N = 1000太低。由于你有1024 threadsPerBlock,你的内核只会运行一个块,这不足以使用GPU。尝试N = 1000000,这样你的内核启动将近1000个。

  • 您在GPU上做的工作很少(每个测试数量的4个模数运算)。因此,在CPU上执行这些操作的速度可能比从GPU(通过PCIe总线)复制它们更快。

为了让使用GPU查找素数值得值得,我认为你需要在GPU上实现整个算法,而不仅仅是模数运算。