当前位置: 首页 > news >正文

汕头网站建设技术支持一键生成

汕头网站建设技术支持,一键生成,网站制作 合肥,搜索引擎的网站文章目录 1. 学习目的2. 阶段成果2.1 NVVP 性能探查2.2 测试编译环境2.3 测试样例 3 学习过程3.1 提问DeepSeek3.2 最终代码 4. 体会 1. 学习目的 最近在学习cuda,准备给我的taskBus SDR添加CUDA的模块支持,以便可以用PC机压榨山寨 B210那56M的带宽。 因…

文章目录

  • 1. 学习目的
  • 2. 阶段成果
    • 2.1 NVVP 性能探查
    • 2.2 测试编译环境
    • 2.3 测试样例
  • 3 学习过程
    • 3.1 提问DeepSeek
    • 3.2 最终代码
  • 4. 体会

1. 学习目的

最近在学习cuda,准备给我的taskBus SDR添加CUDA的模块支持,以便可以用PC机压榨山寨 B210那56M的带宽。
因为年纪比较大了,所以不打算看书了,直接DeepSeek安排上,结果发现学习效率杠杠的!

2. 阶段成果

我用自己的文物显卡 NVIDIA GeForce GTX 750 Ti (Compute Capability 5.0),只有2G的显存,1G的主频,做时域512点fir卷积,竟然只需0.65秒就跑完100M float数据(411MB文件大小)。

关键技术是使用了三个线程进行读写处理分离。

2.1 NVVP 性能探查

使用NVVP,可以看到GPU的占空比还是很紧凑。
NVCCASYNC主要时间花在了fir_kernel,这是我们希望的。同时,部分时间在进行GPU内部的memCpy,这也是值得进一步优化的方向。

由于磁盘IO完全和CPU计算独立,所以两波计算之间几乎没有空闲。

2.2 测试编译环境

Manjaro 20250321,CUDA12

Intel Core i7 6500K @ 4.0GHz

编译命令:

nvcc -arch=sm_50 cuda_filter.cu -o cuda_filter

注意要使用 -arch=sm_50 选择老的计算兼容选项,否则CUDA启动后会报错。

2.3 测试样例

测试样例是用 AudaCity录制的音频,411MB大小,100MB左右的float32样点(单声道)

对比
滤波器对数据(轨道1)做512点的平均(192KHz采样率下,大概是2秒多)。

3 学习过程

3.1 提问DeepSeek

提问:

使用C语言调用CUDA实现一个连续FIR滤波算法。用户使用该算法的步骤是:

  1. 打开文件 test.pcm。
  2. 循环每次读取一定个数(N个)float值,直到文件尾部。
  3. 对每次读取的float值,调用 push_and_filter() 方法。该方法是你需要着重考虑设计、实现的,作用是接着上次的状态,继续执行连续滤波。滤波器是一个提前定义好的数组,有M个元素,float类型,M目前设置合理范围是16-2048。
  4. 每次滤波的输出,存储在 out.pcm,连续写入。
  5. 滤波缓存一开始为全0,尾部也全部清零后结束。
    请根据CUDA的特性,分析并设计每次读取的N的个数,让计算尽可能快,并给出全部代码。

回答:

#include <stdio.h>
#include <stdlib.h>
#include <cuda_runtime.h>#define MAX_FILTER_LENGTH 2048
#define OPTIMAL_N 4096  // 根据GPU架构优化的读取块大小
#define BLOCK_SIZE 256   // CUDA线程块大小typedef struct {float* buffer;int size;
} CircularBuffer;__constant__ float d_filter[MAX_FILTER_LENGTH];  // 滤波器系数存储在常量内存// CUDA核函数,使用共享内存优化
__global__ void fir_kernel(const float* input, float* output, int N, int M) {extern __shared__ float s_window[];const int tid = threadIdx.x;const int bid = blockIdx.x;const int gid = bid * blockDim.x + tid;// 每个块加载自己需要的输入窗口const int window_size = blockDim.x + MAX_FILTER_LENGTH - 1;const int input_offset = bid * blockDim.x;// 协作加载数据到共享内存for(int i = tid; i < window_size; i += blockDim.x) {const int load_pos = input_offset + i;s_window[i] = (load_pos < N + M - 1) ? input[load_pos] : 0.0f;}__syncthreads();if(gid < N) {  // 确保不越界float sum = 0.0f;for(int j = 0; j < M; j++) {sum += s_window[tid + j] * d_filter[j];}output[gid] = sum;}
}void push_and_filter(CircularBuffer* state, const float* input, int input_len,float** output, int* output_len, int M, cudaStream_t stream) {// 准备扩展输入缓冲区(历史数据 + 新输入)const int total_len = state->size + input_len;float* extended_input = (float*)malloc(total_len * sizeof(float));// 合并历史数据和当前输入memcpy(extended_input, state->buffer, state->size * sizeof(float));memcpy(extended_input + state->size, input, input_len * sizeof(float));// 准备设备内存float *d_input, *d_output;const int output_size = input_len;cudaMalloc(&d_input, total_len * sizeof(float));cudaMalloc(&d_output, output_size * sizeof(float));// 异步内存拷贝和计算cudaMemcpyAsync(d_input, extended_input, total_len * sizeof(float),cudaMemcpyHostToDevice, stream);const dim3 grid_dim((output_size + BLOCK_SIZE - 1) / BLOCK_SIZE);const dim3 block_dim(BLOCK_SIZE);const size_t shared_mem = (BLOCK_SIZE + MAX_FILTER_LENGTH - 1) * sizeof(float);fir_kernel<<<grid_dim, block_dim, shared_mem, stream>>>(d_input, d_output, output_size, M);// 回收历史数据(保留最后M-1个样本)free(state->buffer);state->size = M - 1;state->buffer = (float*)malloc(state->size * sizeof(float));memcpy(state->buffer, extended_input + input_len, state->size * sizeof(float));// 异步获取结果*output = (float*)malloc(output_size * sizeof(float));cudaMemcpyAsync(*output, d_output, output_size * sizeof(float),cudaMemcpyDeviceToHost, stream);cudaStreamSynchronize(stream);*output_len = output_size;free(extended_input);cudaFree(d_input);cudaFree(d_output);
}int main() {// 初始化滤波器系数(示例值)const int M = 512;float h_filter[M];for(int i = 0; i < M; i++) h_filter[i] = 1.0f/M;cudaMemcpyToSymbol(d_filter, h_filter, M * sizeof(float));// 创建CUDA流和状态缓冲区cudaStream_t stream;cudaStreamCreate(&stream);CircularBuffer state = {NULL, 0};FILE *fin = fopen("test.pcm", "rb");FILE *fout = fopen("out.pcm", "wb");float *input_buf = (float*)malloc(OPTIMAL_N * sizeof(float));while(1) {const size_t read_cnt = fread(input_buf, sizeof(float), OPTIMAL_N, fin);if(read_cnt == 0) break;float* output_buf;int output_len;push_and_filter(&state, input_buf, read_cnt, &output_buf, &output_len, M, stream);fwrite(output_buf, sizeof(float), output_len, fout);free(output_buf);} // 清理资源free(input_buf);free(flush_buf);free(state.buffer);fclose(fin);fclose(fout);cudaStreamDestroy(stream);return 0;
}

而后,利用多线程修改,多次互动后,得到最终代码:

3.2 最终代码

#include <stdio.h>
#include <stdlib.h>
#include <cuda_runtime.h>
#include <atomic>
#include <chrono>
#include <thread>
#define MAX_FILTER_LENGTH 2048
#define OPTIMAL_N 1024*1024  // Optimal read block size based on GPU architecture
#define BLOCK_SIZE 256       // CUDA thread block size
#define NUM_STREAMS 4
#define CHECK_CUDA(call) { \cudaError_t err = call; \if (err != cudaSuccess) { \fprintf(stderr, "CUDA error at %s:%d: %s\n", __FILE__, __LINE__, cudaGetErrorString(err)); \exit(EXIT_FAILURE); \} \
}typedef struct {float* buffer;int size;int max_size;
} CircularBuffer;__constant__ float d_filter[MAX_FILTER_LENGTH];  // Filter coefficients in constant memory// CUDA kernel with shared memory optimization
__global__ void fir_kernel(const float* input, float* output, int N, int M) {extern __shared__ float s_window[];const int tid = threadIdx.x;const int bid = blockIdx.x;const int gid = bid * blockDim.x + tid;// Each block loads its needed input windowconst int window_size = blockDim.x + MAX_FILTER_LENGTH - 1;const int input_offset = bid * blockDim.x;// Cooperative data loading into shared memoryfor(int i = tid; i < window_size; i += blockDim.x) {const int load_pos = input_offset + i;s_window[i] = (load_pos < N + M - 1) ? input[load_pos] : 0.0f;}__syncthreads();if(gid < N) {  // Ensure we don't go out of boundsfloat sum = 0.0f;for(int j = 0; j < M; j++) {sum += s_window[tid + j] * d_filter[j];}output[gid] = sum;}
}
//用于拼接前序状态的输入缓存
int mem_ext_input_size = 0;
float* mem_ext_input = 0;
//用于CUDA设备侧的输入输出缓存
float *d_input = 0, *d_output = 0;
int d_inputlen = 0, d_outputlen = 0;std::atomic<bool> read_finished(false),deal_finished(false);
std::atomic<long long> read_pos(0);
std::atomic<long long> deal_pos(0);
std::atomic<long long> write_pos(0);//连续滤波函数
void push_and_filter(CircularBuffer* state, const float* input, int input_len,float* output, int * outlen, int M, cudaStream_t stream) {// Prepare extended input buffer (history data + new input)int ext_input_len = state->size + input_len;if (mem_ext_input_size < ext_input_len) {if (mem_ext_input)free(mem_ext_input);mem_ext_input = (float*)malloc(ext_input_len * sizeof(float));mem_ext_input_size = ext_input_len;}// Combine history data with current inputmemcpy(mem_ext_input, state->buffer, state->size * sizeof(float));memcpy(mem_ext_input + state->size, input, input_len * sizeof(float));// Prepare device memoryconst int output_size = input_len;if (d_inputlen < ext_input_len) {if (d_input)cudaFree(d_input);CHECK_CUDA(cudaMalloc(&d_input, ext_input_len * sizeof(float)));d_inputlen = ext_input_len;}if (d_outputlen < output_size) {if (d_output)cudaFree(d_output);CHECK_CUDA(cudaMalloc(&d_output, output_size * sizeof(float)));d_outputlen = output_size;}// Synchronous memory copy//CHECK_CUDA(cudaMemcpy(d_input, mem_ext_input, ext_input_len * sizeof(float), cudaMemcpyHostToDevice));// Async memory operations with streamCHECK_CUDA(cudaMemcpyAsync(d_input, mem_ext_input, ext_input_len * sizeof(float), cudaMemcpyHostToDevice, stream));const dim3 grid_dim((output_size + BLOCK_SIZE - 1) / BLOCK_SIZE);const dim3 block_dim(BLOCK_SIZE);const size_t shared_mem = (BLOCK_SIZE + MAX_FILTER_LENGTH - 1) * sizeof(float);// Kernel launch with default streamfir_kernel<<<grid_dim, block_dim, shared_mem ,stream>>>(d_input, d_output, output_size, M);// Recycle history data (keep last M-1 samples)state->size = M - 1;if (state->max_size < state->size){if (state->buffer )free (state->buffer );state->buffer = (float*)malloc(state->size * sizeof(float));state->max_size = state->size;}memcpy(state->buffer, mem_ext_input + input_len, state->size * sizeof(float));//CHECK_CUDA(cudaMemcpy(output, d_output, output_size * sizeof(float), cudaMemcpyDeviceToHost));CHECK_CUDA(cudaMemcpyAsync(output, d_output, output_size * sizeof(float), cudaMemcpyDeviceToHost, stream));*outlen = output_size;CHECK_CUDA(cudaDeviceSynchronize());return;
}int main() {// Initialize filter coefficients (example values)const int M = 512;float h_filter[M];for(int i = 0; i < M; i++) h_filter[i] = 1.0f/M;CHECK_CUDA(cudaMemcpyToSymbol(d_filter, h_filter, M * sizeof(float)));// Initialize state bufferCircularBuffer state = {NULL, 0 , 0};const int buf_stage = 8;float (*input_buf)[OPTIMAL_N] = new float [buf_stage][OPTIMAL_N];float (*output_buf)[OPTIMAL_N] = new float [buf_stage][OPTIMAL_N];size_t (*input_len)  = new size_t [buf_stage];int (*output_len) = new int [buf_stage];//Read threadstd::thread read_thread([&]()->void{FILE *fin = fopen("test.pcm", "rb");while(!read_finished) {if (deal_pos + buf_stage - 2 <= read_pos){//Sleepstd::chrono::milliseconds dura(1);std::this_thread::sleep_for(dura);continue;}const long long pos = read_pos % buf_stage;//Readinput_len[pos] = fread(input_buf[pos], sizeof(float), OPTIMAL_N, fin);if(input_len[pos] < OPTIMAL_N) read_finished = true;if(++read_pos % 10 ==0)	fprintf(stderr,"ReadPos = %lld\n",(long long)read_pos);}		fclose(fin);});//write threadstd::thread write_thread([&]()->void{FILE *fout = fopen("out.pcm", "wb");while((!deal_finished) ||  write_pos < deal_pos) {if (write_pos >= deal_pos){//Sleepstd::chrono::milliseconds dura(1);std::this_thread::sleep_for(dura);continue;}const long long pos = write_pos % buf_stage;if (output_len[pos])fwrite(output_buf[pos], sizeof(float), output_len[pos], fout);if (++write_pos % 10 ==0)fprintf(stderr,"WritePos = %lld\n",(long long)write_pos);}		fclose(fout);});cudaStream_t streams[buf_stage];for (int i = 0; i < buf_stage; i++) {cudaStreamCreate(&streams[i]);}//Deal in main Threadwhile ((!read_finished) || deal_pos < read_pos ){if (deal_pos >= read_pos){//Sleepstd::chrono::milliseconds dura(1);std::this_thread::sleep_for(dura);continue;}const long long pos = deal_pos % buf_stage;cudaStream_t stream = streams[pos % NUM_STREAMS];push_and_filter(&state, input_buf[pos], input_len[pos], output_buf[pos], &(output_len[pos]), M,stream);		if (++deal_pos % 10==0)fprintf(stderr,"DealPos = %lld\n",(long long)deal_pos);}deal_finished = true;read_thread.join();write_thread.join();fprintf(stderr,"Deal Finished.\n");if (state.buffer)   	free(state.buffer);if (mem_ext_input) 	free(mem_ext_input);if (d_input) 			CHECK_CUDA(cudaFree(d_input));if (d_output) 		CHECK_CUDA(cudaFree(d_output));delete []input_buf;delete []output_buf;delete []input_len;delete []output_len;for (int i = 0; i < NUM_STREAMS; i++) {CHECK_CUDA(cudaStreamDestroy(streams[i]));}return 0;
}

4. 体会

从不熟悉CUDA,到使用CUDA完成了性能还乏善可陈的滤波器,用了4个小时。同时,通过询问DeepSeek如何理解stream流式处理、如何使用Nvidia Visual Profiler的优化指南,了解到很多CUDA相关的周边知识。可见,AI已经使得我这个50岁的人都能学到新东西,更别提年轻人了。现在是只有想不到,没有做不到。

http://www.dtcms.com/a/563838.html

相关文章:

  • 唐山做企业网站网页图片分辨率多少合适
  • 可以做结构图的网站php外贸网站
  • 一般做网站用什么字体比较合适模板网站的坏处
  • 质量基础设施一站式服务工作站象山县城乡和住房建设局网站
  • 网站管理工具小语种网站建设
  • 网站建设 黑龙江猎头公司收费
  • 网站支付宝怎么做模板网站多少钱
  • 做婚姻介绍网站赚钱吗wordpress手机端侧面小工具
  • 第三方网站建设平台佛山快速排名
  • 公司网站网页商洛做网站的公司电话
  • 境外网站icp备案用html制作淘宝网页
  • 建设一个能看视频的网站成都到西安需要核酸检测吗
  • 电子商务网站开发 当当网学信网登录
  • 建站网站教程百度排名软件
  • 没有网站可以做seo滁州市大滁城建设网站
  • 完整网站模板下载做网站的经历
  • 个体工商户做网站网站建设五行属什么
  • 成品网站5668入口的功能介绍sem和seo有什么区别
  • 做效果图的方便的网站建设集团招聘
  • 如何优化网站内容肇庆网站快速排名优化
  • 网站 各种 备案徐州网架公司十大排名
  • 我想在泉州做网站德州手机网站建设费用
  • 六盘水市住房和城乡建设局网站做网站付费流程
  • 烟台网站制作设计成都专业网站制作网站
  • 网站栏目名做一个网上商城需要多少钱
  • 搜易网服务内容南宁企业网站seo
  • 江苏网站制作免费空间申请free
  • 下载建设银行官方网站下载安装网站首页作用
  • 网站动效百度广告位价格表
  • 移动app做的好的网站郑州网站建站网站怎么样