如何管理cuda中的大型二维FFT

Question

我已经成功地编写了一些CUDA FFT代码，用于对图像进行2D卷积以及其他一些计算。

我该如何去弄清楚我能运行的最大的FFT是什么？看起来，2D R2C卷积计划需要2倍的图像尺寸，而另外2倍的图像尺寸则适用于C2R。这似乎是一个很大的开销！

另外，它似乎是大多数的基准测试，这些是相对较小的FFTs ..这是什么？对于大型图像来说，我将很快耗尽内存。这通常如何处理？你可以在图像的一个图块上执行FFT卷积并合并这些结果，并且期望它与在整个图像上运行二维FFT相同吗？

谢谢回答这些问题

Answer 1

CUFFT根据图像大小计划不同的算法。如果你不能适应共享内存，并且不是2的幂，那么CUFFT计划进行不适当的转换，而尺寸合适的较小图像更适合软件。

如果您对整张图片进行FFT处理，并且需要查看您的GPU可以处理什么，那么我的最佳答案就是猜测和检查不同的图片尺寸，因为CUFFT计划很复杂。

参见文档：http://developer.download.nvidia.com/compute/cuda/1_1/CUFFT_Library_1.1.pdf

我同意马克，说平铺图像是去卷积的方式。由于卷积相当于只计算许多独立的积分，因此您可以简单地将域分解为其组成部分，独立计算这些部分并将它们拼接在一起。 FFT卷积技巧简单地降低了您需要计算的积分的复杂性。

我希望你的GPU代码在所有情况下都应该胜过matlab，除非你做了一些奇怪的事情。

Answer 2

这通常不是实际的整个图像上运行FFT。它不仅需要大量内存，而且图像的宽度和高度必须是2的幂，这对您的输入提出了不合理的限制。

将图像切割成瓦片是非常合理的。瓦片的大小将决定您能够达到的频率分辨率。您也可能想要重叠拼贴。