CUDA套箍2D示例

Question

我目前正在研究一个必须实现2D-FFT（用于交叉关联）的程序。我用CUDA做了一次FFT，它给了我正确的结果，我现在正在试图实现一个2D版本。在线上很少的例子和文档，我发现很难找出错误是什么。

到目前为止，我一直只使用cuFFT手册。

无论如何，我已经创建了两个5x5阵列，并填充1。我已经将它们复制到GPU存储器中，并完成了前向FFT，将它们相乘，然后对结果进行ifft处理。这给了我一个值为650的5x5阵列。我期望在5x5阵列中的一个插槽中得到值为25的DC信号。相反，我在整个阵列中获得了650个。

此外，我不允许在将信号复制到GPU内存后打印出信号的值。写作

cout << d_signal[1].x << endl; 

给我一个acces侵犯。我在其他cuda程序中也做了同样的事情，但这不是问题。它与复杂变量的工作方式有关，还是人为错误？

如果任何人有任何问题的指针，我将不胜感激。下面是代码

#include "cuda_runtime.h" 
#include "device_launch_parameters.h" 
#include <helper_functions.h> 
#include <helper_cuda.h> 

#include <ctime> 
#include <time.h> 
#include <stdio.h> 
#include <iostream> 
#include <math.h> 
#include <cufft.h> 
#include <fstream> 

using namespace std; 
typedef float2 Complex; 





__global__ void ComplexMUL(Complex *a, Complex *b) 
{ 
    int i = threadIdx.x; 
    a[i].x = a[i].x * b[i].x - a[i].y*b[i].y; 
    a[i].y = a[i].x * b[i].y + a[i].y*b[i].x; 
} 


int main() 
{ 


    int N = 5; 
    int SIZE = N*N; 


    Complex *fg = new Complex[SIZE]; 
    for (int i = 0; i < SIZE; i++){ 
     fg[i].x = 1; 
     fg[i].y = 0; 
    } 
    Complex *fig = new Complex[SIZE]; 
    for (int i = 0; i < SIZE; i++){ 
     fig[i].x = 1; // 
     fig[i].y = 0; 
    } 
    for (int i = 0; i < 24; i=i+5) 
    { 
     cout << fg[i].x << " " << fg[i + 1].x << " " << fg[i + 2].x << " " << fg[i + 3].x << " " << fg[i + 4].x << endl; 
    } 
    cout << "----------------" << endl; 
    for (int i = 0; i < 24; i = i + 5) 
    { 
     cout << fig[i].x << " " << fig[i + 1].x << " " << fig[i + 2].x << " " << fig[i + 3].x << " " << fig[i + 4].x << endl; 
    } 
    cout << "----------------" << endl; 

    int mem_size = sizeof(Complex)* SIZE; 


    cufftComplex *d_signal; 
    checkCudaErrors(cudaMalloc((void **) &d_signal, mem_size)); 
    checkCudaErrors(cudaMemcpy(d_signal, fg, mem_size, cudaMemcpyHostToDevice)); 

    cufftComplex *d_filter_kernel; 
    checkCudaErrors(cudaMalloc((void **)&d_filter_kernel, mem_size)); 
    checkCudaErrors(cudaMemcpy(d_filter_kernel, fig, mem_size, cudaMemcpyHostToDevice)); 

    // cout << d_signal[1].x << endl; 
    // CUFFT plan 
    cufftHandle plan; 
    cufftPlan2d(&plan, N, N, CUFFT_C2C); 

    // Transform signal and filter 
    printf("Transforming signal cufftExecR2C\n"); 
    cufftExecC2C(plan, (cufftComplex *)d_signal, (cufftComplex *)d_signal, CUFFT_FORWARD); 
    cufftExecC2C(plan, (cufftComplex *)d_filter_kernel, (cufftComplex *)d_filter_kernel, CUFFT_FORWARD); 

    printf("Launching Complex multiplication<<< >>>\n"); 
    ComplexMUL <<< 32, 256 >> >(d_signal, d_filter_kernel); 

    // Transform signal back 
    printf("Transforming signal back cufftExecC2C\n"); 
    cufftExecC2C(plan, (cufftComplex *)d_signal, (cufftComplex *)d_signal, CUFFT_INVERSE); 

    Complex *result = new Complex[SIZE]; 
    cudaMemcpy(result, d_signal, sizeof(Complex)*SIZE, cudaMemcpyDeviceToHost); 

    for (int i = 0; i < SIZE; i=i+5) 
    { 
     cout << result[i].x << " " << result[i + 1].x << " " << result[i + 2].x << " " << result[i + 3].x << " " << result[i + 4].x << endl; 
    } 

    delete result, fg, fig; 
    cufftDestroy(plan); 
    //cufftDestroy(plan2); 
    cudaFree(d_signal); 
    cudaFree(d_filter_kernel); 

} 

上面的代码给出以下端子输出：

1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
---------------- 
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
---------------- 
Transforming signal cufftExecR2C 
Launching Complex multiplication<<< >>> 
Transforming signal back cufftExecC2C 

625 625 625 625 625 
625 625 625 625 625 
625 625 625 625 625 
625 625 625 625 625 
625 625 625 625 625 

Answer 1

这使我与值的5×5阵列650：它读取625即5 * 5 * 5 * 5。您正在使用的卷积算法需要N * N的补充除法。事实上，在cufft中，正向变换中没有归一化系数。因此，你的卷积不能是频域中两个场的简单乘法。 （有些人会称之为数学家DFT而不是医生DFT）。

此外我不允许打印出来的信号的值已经被复制到GPU存储器后：这是标准的CUDA行为。在设备上分配内存时，数据存在于设备内存地址空间中，无需额外努力就无法由CPU访问。搜索托管内存或zerocopy可以从PCI Express的两端访问数据（这在许多其他帖子中讨论过）。

Answer 2

有几个问题在这里：

1. 您正在启动太多线程的内核乘法输入数组的大小，因此应与出界外内存错误地失败。我很惊讶你没有收到任何类型的运行时错误。
2. 您的fft/fft - dot产品 - ifft序列的预期解决方案我相信是错误的。正确的解决方案将是一个5x5矩阵，每个条目中有25个矩阵。
3. 作为CUFFT文档中描述清楚，库执行unnormalised的FFT：

   CUFFT执行未归一化的FFT;也就是说，对输入数据组执行正向FFT，然后对所得到的组进行逆FFT，得到等于输入的数据，按照元素的数量进行缩放。通过数据集尺寸的倒数来缩放变换，留给用户以适合的方式执行。

所以，据我估计，你的代码正确的输出解决方案应该是5x5矩阵，在每个条目，这将在每个条目，即进行标准化，以5x5矩阵有25 625。预期的结果。我不明白（1）中的问题不会产生不同的结果，因为乘法内核应该失败。

TLDR;没有什么可以在这里看到，移动...