前言

今天跟大家分享如何使用CUDA实现秩排序。

1. C++ CUDA实现秩排序

这里使用了共享内存和同步的概念实现秩排序

详细代码如下所示：

#include <stdio.h>
#include <iostream>
#include <cuda.h>
#include <cuda_runtime.h>
//#include <cuda_runtime_api.h>
#include <device_launch_parameters.h>

#ifndef __CUDACC__
#define __CUDACC__
#endif

#define ARRAY_SIZE 5
#define THREADS_PER_BLOCK 5

__global__ void rankSort(int* d_a, int* d_b)
{
    
    
	int count = 0;
	int tid = threadIdx.x;
	int ttid = threadIdx.x + blockIdx.x * blockDim.x;

	int val = d_a[ttid];
	__shared__ int cache[THREADS_PER_BLOCK];
	for (int i = tid; i < ARRAY_SIZE; i += THREADS_PER_BLOCK)
	{
    
    
		cache[tid] = d_a[i];

		//等待当前块所有线程完成共享内存数据填充
		__syncthreads();

		//统计共享内存中小于当前值得数量
		for (int j = 0; j < THREADS_PER_BLOCK; j++)
		{
    
    
			if (val > cache[j])
			{
    
    
				count++;
				//等待所有线程完成统计工作
				__syncthreads();
			}
		}
	}

	d_b[count] = val;
}

int main()
{
    
    
	//定义主机(CPU)和设备（GPU）变量
	int h_a[ARRAY_SIZE] = {
    
     5, 9, 3, 4, 8 };
	int h_b[ARRAY_SIZE];
	int *d_a, *d_b;

	//分配设备内存
	cudaMalloc(&d_a, ARRAY_SIZE * sizeof(int));
	cudaMalloc(&d_b, ARRAY_SIZE * sizeof(int));

	//拷贝数据：从CPU到GPU
	cudaMemcpy(d_a, h_a, ARRAY_SIZE * sizeof(int), cudaMemcpyHostToDevice);

	//调用内核函数
	rankSort << <ARRAY_SIZE / THREADS_PER_BLOCK, THREADS_PER_BLOCK >> > (d_a, d_b);

	//等待内核函数运行完成
	cudaDeviceSynchronize();

	//拷贝数据：从GPU到CPU
	cudaMemcpy(h_b, d_b, ARRAY_SIZE * sizeof(int), cudaMemcpyDeviceToHost);

	//打印秩排序结果
	printf("秩排序的结果：\n");
	for (int i = 0; i < ARRAY_SIZE; i++)
	{
    
    
		printf("%d\n", h_b[i]);
	}

	//释放GPU内存
	cudaFree(d_a);
	cudaFree(d_b);
	
	system("pause");
	return 0;
}

3. 执行结果

在这里插入图片描述

总结

为了更好的理解CUDA编程的理论知识，实践是必不可少的，只有更多的实践才能更好的理解新的知识，实践出真知啊。

学习资料

《基于GPU加速的计算机视觉编程》

VS2017 CUDA编程学习实例2：CUDA实现秩排序

文章目录

前言

1. C++ CUDA实现秩排序

3. 执行结果

总结

学习资料

Guess you like