Cuda 快速数学运算

这是我的密码

    __device__ void calculateDT(float *devD, int *devImg, int cntVoxelLi, int *neighVoxels)
   {
    float minV = devD[cntVoxelLi];
   int cv = devImg[cntVoxelLi];
   float v = 0,cuVal = 0;
   int c1=0,d1=0,r1=0;
   GetInd2Sub(cntVoxelLi, r1,c1,d1);

   for(int ind=0;ind<9;ind++)
   {
    v = pow(float(cv - devImg[neighVoxels[ind]]),2);
    cuVal = devD[neighVoxels[ind]]  + (1-exp(-v/100));
    minV = min(minV, cuVal);
   }
   devD[cntVoxelLi] = minV;
   }

---

只需要7秒钟。似乎这个exp操作需要很多时间。我也尝试使用expf函数。如何提高性能？

您看到的性能差异主要是编译器优化的结果。当您删除

exp

表达式时，变量

v

将变得未使用，编译器将删除

v

的计算，因为它实际上是死代码。因此，执行时间的大幅下降是由于消除了内核循环中的所有浮点计算，而不仅仅是删除了

exp

函数

至于性能优化，最明显的一点是不使用

pow

来计算简单的平方（编译器可能自己也在这样做），并整理所有浮点表达式以消除大量隐式整数浮点转换（提示：0是整数，0.是双精度，0.f是单精度）

---

从您发布的代码中很难对内核中的内存事务性能进行评论。CUDA 4 visual profiler具有一些有用的诊断功能，可以显示一段代码是内存受限还是算术受限。您可能会发现分析代码并查看它报告的内容很有用。

您看到的性能差异主要是编译器优化的结果。当您删除

exp

表达式时，变量

v

将不被使用，编译器将删除

v

的计算，因为它实际上是死代码。因此，执行时间的大幅下降是由于消除了e内核循环，而不仅仅是从

exp

函数中删除

至于性能优化，最明显的一点是不使用

pow

来计算简单的平方（编译器可能自己也在这样做），并整理所有浮点表达式以消除大量隐式整数浮点转换（提示：0是整数，0.是双精度，0.f是单精度）

从您发布的代码中很难对内核中的内存事务性能进行评论。CUDA 4 visual profiler具有一些有用的诊断功能，可以显示一段代码是内存受限还是算术受限。您可能会发现分析代码并查看它报告的内容很有用。

也可以尝试使用“v/100”而不是“v/100”“v*1e-2”。请注意，这会略微更改数值结果，因此编译器无法自动执行该转换，因为它不是标识转换。您可以尝试使用_expf（）而不是expf（）。只要expf（）的参数的大小较小（例如，小于4），expf（）和_expf（）之间的数值差异就不会太大将非常小。__expf（）中的ulp错误大致随参数绝对值的对数而增长。您也可以尝试使用“v*1e-2”代替“v/100”“。请注意，这会略微更改数值结果，因此编译器无法自动执行该转换，因为它不是标识转换。您可以尝试使用_expf（）而不是expf（）。只要expf（）的参数的大小较小（例如，小于4），expf（）和_expf（）之间的数值差异就不会太大。”是相当小的，_expf（）中的ulp错误大致随参数绝对值的对数增长。

     exp(-v/100)