CUDA，計算3D對象之間的距離矩陣

Question

我有一個3D連接的N個對象（原子）的“字符串”（分子）（每個原子都有一個坐標）。 而且我需要計算一個分子中每對原子之間的距離（請參閱下面的偽代碼）。 CUDA怎么做？ 我應該傳遞給內核函數2 3D陣列嗎？ 還是3個坐標為X [N]，Y [N]，Z [N]的數組？ 謝謝。

結構原子{double x，y，z; }

int main()
{

//N number of atoms in a molecule
double DistanceMatrix[N][N];
double d;
atom Atoms[N];

for (int i = 0; i < N; i ++)
    for (int j = 0; j < N; j++)
      DistanceMatrix[i][j] = (atoms[i].x -atoms[j].x)*(atoms[i].x -atoms[j].x) +
                     (atoms[i].y -atoms[j].y)* (atoms[i].y -atoms[j].y) + (atoms[i].z -atoms[j].z)* (atoms[i].z -atoms[j].z;

 }

Answer 1

除非您使用非常大的分子，否則可能不會有足夠的工作來保持GPU繁忙，因此使用CPU的計算會更快。

如果要計算歐幾里德距離，則計算不正確。 您需要勾股定理的3D版本。

我將使用SoA來存儲坐標。

您想要生成具有盡可能多的合並讀取和寫入的內存訪問模式。 為此，將每個扭曲中的32個線程生成的地址或索引安排得彼此盡可能近（略有簡化）。

threadIdx指定塊內的線程索引，而blockIdx指定網格內的塊索引。 對於扭曲中的所有線程， blockIdx始終相同。 在塊中的線程中，只有threadIdx有所不同。 為了可視化如何將threadIdx的3個維度分配給線程，可以將它們視為嵌套循環，其中x是內部循環， z是外部循環。 因此，具有相鄰x值的線程最有可能在同一扭曲中，並且，如果x被32整除，則只有共享相同x / 32值的線程才在同一扭曲中。

我在下面提供了您的算法的完整示例。 在示例中， i索引是從threadIdx.x派生的，因此，要檢查扭曲是否會生成合並的讀寫，我將遍歷代碼，同時為i插入一些連續的值（例如0、1和2）並檢查生成的索引也將是連續的。

從j索引生成的地址不太重要，因為j是從threadIdx.y派生的，因此它在一次扭曲內變化的可能性較小（如果threadIdx.x被32整除，則永遠不會變化）。

#include  "cuda_runtime.h"
#include <iostream>

using namespace std;

const int N(20);

#define check(ans) { _check((ans), __FILE__, __LINE__); }
inline void _check(cudaError_t code, char *file, int line)
{
  if (code != cudaSuccess) {
    fprintf(stderr,"CUDA Error: %s %s %d\n", cudaGetErrorString(code), file, line);
    exit(code);
  }
}

int div_up(int a, int b) {
  return ((a % b) != 0) ? (a / b + 1) : (a / b);
}

__global__ void calc_distances(double* distances,
  double* atoms_x, double* atoms_y, double* atoms_z);

int main(int argc, char **argv)
{
  double* atoms_x_h;
  check(cudaMallocHost(&atoms_x_h, N * sizeof(double)));

  double* atoms_y_h;
  check(cudaMallocHost(&atoms_y_h, N * sizeof(double)));

  double* atoms_z_h;
  check(cudaMallocHost(&atoms_z_h, N * sizeof(double)));

  for (int i(0); i < N; ++i) {
    atoms_x_h[i] = i;
    atoms_y_h[i] = i;
    atoms_z_h[i] = i;
  }

  double* atoms_x_d;
  check(cudaMalloc(&atoms_x_d, N * sizeof(double)));

  double* atoms_y_d;
  check(cudaMalloc(&atoms_y_d, N * sizeof(double)));

  double* atoms_z_d;
  check(cudaMalloc(&atoms_z_d, N * sizeof(double)));

  check(cudaMemcpy(atoms_x_d, atoms_x_h, N * sizeof(double), cudaMemcpyHostToDevice));
  check(cudaMemcpy(atoms_y_d, atoms_y_h, N * sizeof(double), cudaMemcpyHostToDevice));
  check(cudaMemcpy(atoms_z_d, atoms_z_h, N * sizeof(double), cudaMemcpyHostToDevice));

  double* distances_d;
  check(cudaMalloc(&distances_d, N * N * sizeof(double)));

  const int threads_per_block(256);
  dim3 n_blocks(div_up(N, threads_per_block));

  calc_distances<<<n_blocks, threads_per_block>>>(distances_d, atoms_x_d, atoms_y_d, atoms_z_d);

  check(cudaPeekAtLastError());
  check(cudaDeviceSynchronize());

  double* distances_h;
  check(cudaMallocHost(&distances_h, N * N * sizeof(double)));

  check(cudaMemcpy(distances_h, distances_d, N * N * sizeof(double), cudaMemcpyDeviceToHost));

  for (int i(0); i < N; ++i) {
    for (int j(0); j < N; ++j) {
      cout << "(" << i << "," << j << "): " << distances_h[i + N * j] << endl;
    }
  }

  check(cudaFree(distances_d));
  check(cudaFreeHost(distances_h));
  check(cudaFree(atoms_x_d));
  check(cudaFreeHost(atoms_x_h));
  check(cudaFree(atoms_y_d));
  check(cudaFreeHost(atoms_y_h));
  check(cudaFree(atoms_z_d));
  check(cudaFreeHost(atoms_z_h));

  return 0;
}

__global__ void calc_distances(double* distances,
  double* atoms_x, double* atoms_y, double* atoms_z)
{
  int i(threadIdx.x + blockIdx.x * blockDim.x);
  int j(threadIdx.y + blockIdx.y * blockDim.y);

  if (i >= N || j >= N) {
    return;
  }

  distances[i + N * j] =
    (atoms_x[i] - atoms_x[j]) * (atoms_x[i] - atoms_x[j]) +
    (atoms_y[i] - atoms_y[j]) * (atoms_y[i] - atoms_y[j]) +
    (atoms_z[i] - atoms_z[j]) * (atoms_z[i] - atoms_z[j]);
}