163 lines
4.1 KiB
C
163 lines
4.1 KiB
C
/**************************************************************************
|
||
行/列求和函数。按下面的要求编辑此文件：
|
||
1. 将你的学号、姓名，以注释的方式写到下面；
|
||
2. 实现不同版本的行列求和函数；
|
||
3. 编辑rc_fun_rec rc_fun_tab数组，将你的最好的答案
|
||
（最好的行和列求和、最好的列求和）作为数组的前两项
|
||
***************************************************************************/
|
||
|
||
/*
|
||
学号：202302723005
|
||
姓名：程景愉
|
||
*/
|
||
|
||
|
||
#include <stdio.h>
|
||
#include <stdlib.h>
|
||
#include "rowcol.h"
|
||
#include <math.h>
|
||
#include <cuda_runtime.h>
|
||
|
||
/* 参考的列求和函数实现 */
|
||
/* 计算矩阵中的每一列的和。请注意对于行和列求和来说，调用参数是
|
||
一样的，只是第2个参数不会用到而已
|
||
*/
|
||
|
||
void c_sum(matrix_t M, vector_t rowsum, vector_t colsum)
|
||
{
|
||
int i,j;
|
||
for (j = 0; j < N; j++) {
|
||
colsum[j] = 0;
|
||
for (i = 0; i < N; i++)
|
||
colsum[j] += M[i][j];
|
||
}
|
||
}
|
||
|
||
|
||
/* 参考的列和行求和函数实现 */
|
||
/* 计算矩阵中的每一行、每一列的和。 */
|
||
|
||
void rc_sum(matrix_t M, vector_t rowsum, vector_t colsum)
|
||
{
|
||
int i,j;
|
||
for (i = 0; i < N; i++) {
|
||
rowsum[i] = colsum[i] = 0;
|
||
for (j = 0; j < N; j++) {
|
||
rowsum[i] += M[i][j];
|
||
colsum[i] += M[j][i];
|
||
}
|
||
}
|
||
}
|
||
|
||
/* CUDA优化的列求和函数 */
|
||
void cuda_c_sum(matrix_t M, vector_t rowsum, vector_t colsum)
|
||
{
|
||
// 分配设备内存
|
||
int *d_M, *d_colsum;
|
||
cudaMalloc(&d_M, N * N * sizeof(int));
|
||
cudaMalloc(&d_colsum, N * sizeof(int));
|
||
|
||
// 将数据从主机复制到设备
|
||
cudaMemcpy(d_M, M, N * N * sizeof(int), cudaMemcpyHostToDevice);
|
||
|
||
// 定义CUDA核函数
|
||
dim3 blockDim(256);
|
||
dim3 gridDim((N + blockDim.x - 1) / blockDim.x);
|
||
|
||
// 启动核函数
|
||
cudaColumnSum<<<gridDim, blockDim>>>(d_M, d_colsum);
|
||
|
||
// 将结果从设备复制回主机
|
||
cudaMemcpy(colsum, d_colsum, N * sizeof(int), cudaMemcpyDeviceToHost);
|
||
|
||
// 释放设备内存
|
||
cudaFree(d_M);
|
||
cudaFree(d_colsum);
|
||
}
|
||
|
||
/* CUDA优化的行列求和函数 */
|
||
void cuda_rc_sum(matrix_t M, vector_t rowsum, vector_t colsum)
|
||
{
|
||
// 分配设备内存
|
||
int *d_M, *d_rowsum, *d_colsum;
|
||
cudaMalloc(&d_M, N * N * sizeof(int));
|
||
cudaMalloc(&d_rowsum, N * sizeof(int));
|
||
cudaMalloc(&d_colsum, N * sizeof(int));
|
||
|
||
// 将数据从主机复制到设备
|
||
cudaMemcpy(d_M, M, N * N * sizeof(int), cudaMemcpyHostToDevice);
|
||
|
||
// 定义CUDA核函数
|
||
dim3 blockDim(256);
|
||
dim3 gridDim((N + blockDim.x - 1) / blockDim.x);
|
||
|
||
// 启动核函数
|
||
cudaRowColSum<<<gridDim, blockDim>>>(d_M, d_rowsum, d_colsum);
|
||
|
||
// 将结果从设备复制回主机
|
||
cudaMemcpy(rowsum, d_rowsum, N * sizeof(int), cudaMemcpyDeviceToHost);
|
||
cudaMemcpy(colsum, d_colsum, N * sizeof(int), cudaMemcpyDeviceToHost);
|
||
|
||
// 释放设备内存
|
||
cudaFree(d_M);
|
||
cudaFree(d_rowsum);
|
||
cudaFree(d_colsum);
|
||
}
|
||
|
||
/* CUDA核函数 - 列求和 */
|
||
__global__ void cudaColumnSum(int *M, int *colsum)
|
||
{
|
||
int col = blockIdx.x * blockDim.x + threadIdx.x;
|
||
if (col < N) {
|
||
colsum[col] = 0;
|
||
for (int row = 0; row < N; row++) {
|
||
colsum[col] += M[row * N + col];
|
||
}
|
||
}
|
||
}
|
||
|
||
/* CUDA核函数 - 行列求和 */
|
||
__global__ void cudaRowColSum(int *M, int *rowsum, int *colsum)
|
||
{
|
||
int idx = blockIdx.x * blockDim.x + threadIdx.x;
|
||
if (idx < N) {
|
||
// 计算行和
|
||
rowsum[idx] = 0;
|
||
for (int j = 0; j < N; j++) {
|
||
rowsum[idx] += M[idx * N + j];
|
||
}
|
||
|
||
// 计算列和
|
||
colsum[idx] = 0;
|
||
for (int i = 0; i < N; i++) {
|
||
colsum[idx] += M[i * N + idx];
|
||
}
|
||
}
|
||
}
|
||
|
||
/*
|
||
这个表格包含多个数组元素，每一组元素（函数名字, COL/ROWCOL, "描述字符串"）
|
||
COL表示该函数仅仅计算每一列的和
|
||
ROWCOL表示该函数计算每一行、每一列的和
|
||
将你认为最好的两个实现，放在最前面。
|
||
比如：
|
||
{my_c_sum1, "超级垃圾列求和实现"},
|
||
{my_rc_sum2, "好一点的行列求和实现"},
|
||
*/
|
||
|
||
rc_fun_rec rc_fun_tab[] =
|
||
{
|
||
|
||
/* 第一项，应当是你写的最好列求和的函数实现 */
|
||
{cuda_c_sum, COL, "CUDA optimized column sum"},
|
||
/* 第二项，应当是你写的最好行列求和的函数实现 */
|
||
{cuda_rc_sum, ROWCOL, "CUDA optimized row and column sum"},
|
||
|
||
{c_sum, COL, "Column sum, reference implementation"},
|
||
|
||
{rc_sum, ROWCOL, "Row and column sum, reference implementation"},
|
||
|
||
/* 下面的代码不能修改或者删除！！表明数组列表结束 */
|
||
{NULL,ROWCOL,NULL}
|
||
};
|