Image processing 多维内核执行的CUDA动机

CUDA将工作划分为块是合乎逻辑的，因为它反映了硬件（单个执行单元中的一些执行线程，都在同一个“块”中）

然而，在我研究图像处理算法的实现时，还不完全清楚为什么我应该有块的二维网格，每个块都是线程的二维网格。为什么1D不行？毕竟，内核调用通常只将图像视为像素的线性一维数组，并且必须通过乘以通常的行*列+列中的偏移量来计算其全局索引

我的一个猜测是空间位置。我们通常根据像素周围的像素计算像素的内容，因此2D线程网格确保所有相邻像素在同一执行单元内运行，从而可以共享本地内存等。这是否正确？我还缺什么？也许编程很容易（尽管这很难相信，因为代码计算的是1D偏移量）

---

提前感谢AFAIK使用2D/3D网格的唯一原因是它是否与数据相关。如果有二维数据（图像…）或三维数据（粒子系统等），可以通过使用适当的块尺寸使代码更可读。此外，在旧卡上，一个维度中的块数限制为65535，因此使用其他维度来绕过它

---

无论使用1D线程块还是2D/3D线程块，性能都应该没有差别。

AFAIK使用2D/3D网格的唯一原因是它是否与数据相关。如果有二维数据（图像…）或三维数据（粒子系统等），可以通过使用适当的块尺寸使代码更可读。此外，在旧卡上，一个维度中的块数限制为65535，因此使用其他维度来绕过它

---

无论您使用1D线程块还是2D/3D线程块，性能应该没有差别。

但代码的可读性不高，因为无论如何，传递到内核的数据几乎总是1D数组，您需要重新计算与坐标的偏移量。@zlatanski:这确实取决于数据，我不会说它“几乎总是1D数组”：）我的意思是，您找到的所有图像处理样本都有作为

uchar4*

传入的数据，然后您从线程的全局索引计算您在该数组中的位置。线程全局索引是二维的这一事实很难使代码更易于阅读，但是如果您查看所有图像处理教程和文档，它们确实使用二维执行模式。因此，回到我最初的问题，任何必要的索引都可以合成。将一组线程称为“线”与“方”是任意的。与1D线程网格相比，2D线程网格并没有什么神奇之处，因为它可以确定邻居是谁。是的，我确实认为从概念上来说，生成索引可能更容易，并且可以生成更可读的代码（这可能就是为什么您可以找到大量示例的原因），但是您很快就将这些内容删除了。无论如何，这种类型的讨论在我看来主要是基于观点的。我想不出一个用1D无法实现的2D示例。但代码的可读性不高，因为无论如何，传递到内核中的数据几乎都是1D数组，您需要重新计算与坐标的偏移量。@zlatanski:这确实取决于数据，我不会说它“几乎总是1D数组”：）我的意思是，您找到的所有图像处理样本都有作为

uchar4*

传入的数据，然后您从线程的全局索引计算您在该数组中的位置。线程全局索引是二维的这一事实很难使代码更易于阅读，但是如果您查看所有图像处理教程和文档，它们确实使用二维执行模式。因此，回到我最初的问题，任何必要的索引都可以合成。将一组线程称为“线”与“方”是任意的。与1D线程网格相比，2D线程网格并没有什么神奇之处，因为它可以确定邻居是谁。是的，我确实认为从概念上来说，生成索引可能更容易，并且可以生成更可读的代码（这可能就是为什么您可以找到大量示例的原因），但是您很快就将这些内容删除了。无论如何，这种类型的讨论在我看来主要是基于观点的。我想不出一个用1D无法实现的2D的好例子。