以下CUDA sample是分別用C++和CUDA實現的通過均值和標準差對圖像進行類似歸一化的操作，并對其中使用到的CUDA函數進行了解說，各個文件內容如下：

關于均值和標準差的計算公式可參考：?http://blog.csdn.net/fengbingchun/article/details/73323475

funset.cpp:?

#include "funset.hpp"
#include <random>
#include <iostream>
#include <vector>
#include <memory>
#include <string>
#include <algorithm>
#include "common.hpp"
#include <opencv2/opencv.hpp>int test_image_normalize()
{std::string image_name{ "E:/GitCode/CUDA_Test/test_images/lena.png" };cv::Mat matSrc = cv::imread(image_name);if (!matSrc.data) {fprintf(stderr, "read image fail: %s\n", image_name.c_str());return -1;}const int width{ 511 }, height{ 473 }, channels{ 3 };cv::resize(matSrc, matSrc, cv::Size(width, height));matSrc.convertTo(matSrc, CV_32FC3);std::vector<cv::Mat> matSplit;cv::split(matSrc, matSplit);CHECK(matSplit.size() == channels);std::unique_ptr<float[]> data(new float[matSplit[0].cols * matSplit[0].rows * channels]);size_t length{ matSplit[0].cols * matSplit[0].rows * sizeof(float) };for (int i = 0; i < channels; ++i) {memcpy(data.get() + matSplit[0].cols * matSplit[0].rows * i, matSplit[i].data, length);}float elapsed_time1{ 0.f }, elapsed_time2{ 0.f }; // millisecondsstd::unique_ptr<float[]> dst1(new float[matSplit[0].cols * matSplit[0].rows * channels]);std::unique_ptr<float[]> dst2(new float[matSplit[0].cols * matSplit[0].rows * channels]);int ret = image_normalize_cpu(data.get(), dst1.get(), width, height, channels, &elapsed_time1);if (ret != 0) PRINT_ERROR_INFO(image_normalize_cpu);ret = image_normalize_gpu(data.get(), dst2.get(), width, height, channels, &elapsed_time2);if (ret != 0) PRINT_ERROR_INFO(image_normalize_gpu);int count{ 0 }, num{ width * height * channels };for (int i = 0; i < num; ++i) {if (fabs(dst1[i] - dst2[i]) > 0.01/*EPS_*/) {fprintf(stderr, "index: %d, val1: %f, val2: %f\n", i, dst1[i], dst2[i]);++count;}if (count > 100) return -1;}std::vector<cv::Mat> merge(channels);for (int i = 0; i < channels; ++i) {merge[i] = cv::Mat(height, width, CV_32FC1, dst2.get() + i * width * height);}cv::Mat dst3;cv::merge(merge, dst3);dst3.convertTo(dst3, CV_8UC3, 255.f);cv::imwrite("E:/GitCode/CUDA_Test/test_images/image_normalize.png", dst3);//cv::resize(matSrc, matSrc, cv::Size(width, height));//cv::imwrite("E:/GitCode/CUDA_Test/test_images/image_src.png", matSrc);fprintf(stderr, "test image normalize: cpu run time: %f ms, gpu run time: %f ms\n", elapsed_time1, elapsed_time2);return 0;
}

image_normalize.cpp:

#include "funset.hpp"
#include <vector>
#include <chrono>
#include "common.hpp"int image_normalize_cpu(const float* src, float* dst, int width, int height, int channels, float* elapsed_time)
{auto start = std::chrono::steady_clock::now();const int offset{ width * height };for (int i = 0; i < channels; ++i) {const float* p1 = src + offset * i;float* p2 = dst + offset * i;float mean{ 0.f }, sd{ 0.f };for (int t = 0; t < offset; ++t) {mean += p1[t];sd += pow(p1[t], 2.f);p2[t] = p1[t];}mean /= offset;sd /= offset;sd -= pow(mean, 2.f);sd = sqrt(sd);if (sd < EPS_) sd = 1.f;for (int t = 0; t < offset; ++t) {p2[t] = (p1[t] - mean) / sd;}}auto end = std::chrono::steady_clock::now();auto duration = std::chrono::duration_cast<std::chrono::nanoseconds>(end - start);*elapsed_time = duration.count() * 1.0e-6;return 0;
}

image_normalize.cu:

#include "funset.hpp"
#include <iostream>
#include <memory>
#include <algorithm>
#include <cmath>
#include <cuda_runtime.h> // For the CUDA runtime routines (prefixed with "cuda_")
#include <device_launch_parameters.h>
#include "common.hpp"/* __global__: 函數類型限定符;在設備上運行;在主機端調用,計算能力3.2及以上可以在
設備端調用;聲明的函數的返回值必須是void類型;對此類型函數的調用是異步的,即在
設備完全完成它的運行之前就返回了;對此類型函數的調用必須指定執行配置,即用于在
設備上執行函數時的grid和block的維度,以及相關的流(即插入<<<   >>>運算符);
a kernel,表示此函數為內核函數(運行在GPU上的CUDA并行計算函數稱為kernel(內核函
數),內核函數必須通過__global__函數類型限定符定義);*/
__global__ static void image_normalize(const float* src, float* dst, int count, int offset)
{/* gridDim: 內置變量,用于描述線程網格的維度,對于所有線程塊來說,這個變量是一個常數,用來保存線程格每一維的大小,即每個線程格中線程塊的數量.一個grid最多只有二維,為dim3類型；blockDim: 內置變量,用于說明每個block的維度與尺寸.為dim3類型,包含了block在三個維度上的尺寸信息;對于所有線程塊來說,這個變量是一個常數,保存的是線程塊中每一維的線程數量;blockIdx: 內置變量,變量中包含的值就是當前執行設備代碼的線程塊的索引;用于說明當前thread所在的block在整個grid中的位置,blockIdx.x取值范圍是[0,gridDim.x-1],blockIdx.y取值范圍是[0, gridDim.y-1].為uint3類型,包含了一個block在grid中各個維度上的索引信息;threadIdx: 內置變量,變量中包含的值就是當前執行設備代碼的線程索引;用于說明當前thread在block中的位置;如果線程是一維的可獲取threadIdx.x,如果是二維的還可獲取threadIdx.y,如果是三維的還可獲取threadIdx.z;為uint3類型,包含了一個thread在block中各個維度的索引信息 */int index = threadIdx.x + blockIdx.x * blockDim.x;if (index > count - 1) return;const float* input = src + index * offset;float* output = dst + index * offset;float mean{ 0.f }, sd{ 0.f };for (size_t i = 0; i < offset; ++i) {mean += input[i];sd += pow(input[i], 2.f);output[i] = input[i];}mean /= offset;sd /= offset;sd -= pow(mean, 2.f);sd = sqrt(sd);if (sd < EPS_) sd = 1.f;for (size_t i = 0; i < offset; ++i) {output[i] = (input[i] - mean) / sd;}
}int image_normalize_gpu(const float* src, float* dst, int width, int height, int channels, float* elapsed_time)
{/* cudaEvent_t: CUDA event types,結構體類型, CUDA事件,用于測量GPU在某個任務上花費的時間,CUDA中的事件本質上是一個GPU時間戳,由于CUDA事件是在GPU上實現的,因此它們不適于對同時包含設備代碼和主機代碼的混合代碼計時 */cudaEvent_t start, stop;// cudaEventCreate: 創建一個事件對象,異步啟動cudaEventCreate(&start);cudaEventCreate(&stop);// cudaEventRecord: 記錄一個事件,異步啟動,start記錄起始時間cudaEventRecord(start, 0);float *dev_src{ nullptr }, *dev_dst{ nullptr };size_t length{ width * height * channels * sizeof(float) };// cudaMalloc: 在設備端分配內存cudaMalloc(&dev_src, length);cudaMalloc(&dev_dst, length);/* cudaMemcpy: 在主機端和設備端拷貝數據,此函數第四個參數僅能是下面之一:(1). cudaMemcpyHostToHost: 拷貝數據從主機端到主機端(2). cudaMemcpyHostToDevice: 拷貝數據從主機端到設備端(3). cudaMemcpyDeviceToHost: 拷貝數據從設備端到主機端(4). cudaMemcpyDeviceToDevice: 拷貝數據從設備端到設備端(5). cudaMemcpyDefault: 從指針值自動推斷拷貝數據方向,需要支持統一虛擬尋址(CUDA6.0及以上版本)cudaMemcpy函數對于主機是同步的 */cudaMemcpy(dev_src, src, length, cudaMemcpyHostToDevice);/* <<< >>>: 為CUDA引入的運算符,指定線程網格和線程塊維度等,傳遞執行參數給CUDA編譯器和運行時系統,用于說明內核函數中的線程數量,以及線程是如何組織的;尖括號中這些參數并不是傳遞給設備代碼的參數,而是告訴運行時如何啟動設備代碼,傳遞給設備代碼本身的參數是放在圓括號中傳遞的,就像標準的函數調用一樣;不同計算能力的設備對線程的總數和組織方式有不同的約束;必須先為kernel中用到的數組或變量分配好足夠的空間,再調用kernel函數,否則在GPU計算時會發生錯誤,例如越界等;使用運行時API時,需要在調用的內核函數名與參數列表直接以<<<Dg,Db,Ns,S>>>的形式設置執行配置,其中：Dg是一個dim3型變量,用于設置grid的維度和各個維度上的尺寸.設置好Dg后,grid中將有Dg.x*Dg.y個block,Dg.z必須為1;Db是一個dim3型變量,用于設置block的維度和各個維度上的尺寸.設置好Db后,每個block中將有Db.x*Db.y*Db.z個thread;Ns是一個size_t型變量,指定各塊為此調用動態分配的共享存儲器大小,這些動態分配的存儲器可供聲明為外部數組(extern __shared__)的其他任何變量使用;Ns是一個可選參數,默認值為0;S為cudaStream_t類型,用于設置與內核函數關聯的流.S是一個可選參數,默認值0. */image_normalize << < channels, 512 >> >(dev_src, dev_dst, channels, width*height);cudaMemcpy(dst, dev_dst, length, cudaMemcpyDeviceToHost);// cudaFree: 釋放設備上由cudaMalloc函數分配的內存cudaFree(dev_src);cudaFree(dev_dst);// cudaEventRecord: 記錄一個事件,異步啟動,stop記錄結束時間cudaEventRecord(stop, 0);// cudaEventSynchronize: 事件同步,等待一個事件完成,異步啟動cudaEventSynchronize(stop);// cudaEventElapseTime: 計算兩個事件之間經歷的時間,單位為毫秒,異步啟動cudaEventElapsedTime(elapsed_time, start, stop);// cudaEventDestroy: 銷毀事件對象,異步啟動cudaEventDestroy(start);cudaEventDestroy(stop);return 0;
}

原圖如下：

結果圖如下：

執行結果如下：由運行時間可知，GPU要遠慢于CPU，后面再對GPU實現進行優化。還有一個問題是，在Release下，執行正常，在Debug下，GPU，在調用核函數時，會在for循環中無故退出，具體原因還未知，后面待進一步分析。

GitHub：?https://github.com/fengbingchun/CUDA_Test

總結

以上是生活随笔為你收集整理的CUDA Samples: image normalize(mean/standard deviation)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。