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。
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。