光线跟踪的 GPU 程序解读

  《CUDA by example》 中的第六章讲解了在 GPU 上实现光线跟踪的一个例子，旨在介绍常量内存（constant memory）和事件，下面给出这个例子的详细解读（http://code2.us/2012/02/cuda_learning_11-constant_memory_and_events/）。

#include <stdio.h> #include "common/cpu_bitmap.h"   //是否使用__constan__常量内存的开关 #define CONSTANT   #define INF 2e10f #define rnd(x) (x*rand()/RAND_MAX) #define SPHERES 200 #define DIM 800   //求结构体 struct Sphere { float r, g, b; //球的颜色 float radius; //球的半径 float x, y, z; //球心座标   //判断从像素点(ox, oy)射出的射线是否与该球相交，并返回交点的z座标 __device__ float hit(float ox, float oy, float *n) { float dx = ox - x; float dy = oy - y; if (dx*dx + dy*dy < radius*radius) { float dz = sqrtf(radius*radius - dx*dx - dy*dy); *n = dz/sqrtf(radius*radius); return dz + z; } return -INF; } }; #ifdef CONSTANT //__constant__ 常量内存 __constant__ Sphere s[SPHERES]; #else Sphere *s; #endif   #ifdef CONSTANT //使用constant常量内存时，不能将其当作参数传到global函数 __global__ void kernel(unsigned char * ptr) #else //普通全局变量必须用传参的形式传递到global函数 __global__ void kernel(unsigned char * ptr, Sphere *s) #endif { int x = threadIdx.x + blockIdx.x * blockDim.x; int y = threadIdx.y + blockIdx.y * blockDim.y;   int offset = x + y * blockDim.x * gridDim.x; float ox = (x - DIM/2); float oy = (y - DIM/2);   float r=0,g=0,b=0; //获得最近的交点 float maxz = -INF; for (int i=0; i<SPHERES; i++) { float n; float t = s[i].hit(ox, oy, &n); if (t>maxz) { float fscale = n; r = s[i].r * fscale; g = s[i].g * fscale; b = s[i].b * fscale; maxz = t; } }   ptr[offset*4 + 0] = (int)(r*255); ptr[offset*4 + 1] = (int)(g*255); ptr[offset*4 + 2] = (int)(b*255); ptr[offset*4 + 3] = 255; }   int main(void) { //使用cuda事件来测试性能 cudaEvent_t start, stop; cudaEventCreate(&start); cudaEventCreate(&stop); cudaEventRecord(start, 0);   CPUBitmap bitmap(DIM, DIM); unsigned char * dev_bitmap;   cudaMalloc((void**) &dev_bitmap, bitmap.image_size());   #ifdef CONSTANT // __constant__常量内存不需要动态分配内存 #else // 在GPU设备上分配内存给球数组 cudaMalloc((void**) &s, sizeof(Sphere) * SPHERES); #endif   // 在CPU上生成求数据数据 Sphere *temp_s = (Sphere *)malloc( sizeof(Sphere) * SPHERES); for (int i=0; i<SPHERES; i++) { temp_s[i].r = rnd(1.0f); temp_s[i].g = rnd(1.0f); temp_s[i].b = rnd(1.0f);   temp_s[i].x = rnd(1000.f) - 500; temp_s[i].y = rnd(1000.f) - 500; temp_s[i].z = rnd(1000.f) - 500;   temp_s[i].radius = rnd(100.f) + 20; }   #ifdef CONSTANT //从CPU拷贝到__constant__常量内存 cudaMemcpyToSymbol(s, temp_s, sizeof(Sphere) * SPHERES); #else //从CPU拷贝到GPU cudaMemcpy(s, temp_s, sizeof(Sphere) * SPHERES, cudaMemcpyHostToDevice); #endif   free(temp_s);   dim3 grids(DIM/16, DIM/16); dim3 threads(16, 16);   #ifdef CONSTANT kernel<<<grids, threads>>>(dev_bitmap); #else kernel<<<grids, threads>>>(dev_bitmap, s); #endif   cudaMemcpy(bitmap.get_ptr(), dev_bitmap, bitmap.image_size(), cudaMemcpyDeviceToHost);   cudaEventRecord(stop, 0); //事件同步 cudaEventSynchronize(stop);   float elapseTime; cudaEventElapsedTime(&elapseTime, start, stop); printf("Time to generate: %3.1f ms\n", elapseTime); cudaEventDestroy(start); cudaEventDestroy(stop);   bitmap.display_and_exit();   cudaFree(dev_bitmap); #ifdef CONSTANT // __constant__ 常量内存不需要free #else cudaFree(s); #endif   return 1; } 与标准的全局常量内存相比，常量内存存在着一些限制，但在某些情况中，实用常量内存将提升应用程序的性能。 特别是，当线程束中的所有线程都访问相同的只读数据时，将获得额外的性能提升。在这种数据访问模式中实用常量 内存可以节约内存带宽，不仅是因为这种模式可以将读取操作在半线程束中广播，而且还因为在芯片上包含了常量内存 缓存。在许多算法中，内存带宽都是一种瓶颈，因此采用一些机制来改善这种情况是非常有用的。 知识点： 1. 使用__constant__修饰符来声明变量为常量内存； 2. 常量内存为静态分配空间，所以不需要调用 cudaMalloc(), cudaFree()； 3. CUDA 中的时间本质上是一个 GPU 时间戳，这个时间戳是在用户指定的时间点上记录的。