Lance un kernel CUDA.
cudaApplyFunction(fonc,args,block_height,block_width,grid_height,grid_width);
Kernel précédemment obtenu par gLoadFunction.
Liste d'arguments.
Hauteur d'un bloc.
Largeur d'un bloc.
Hauteur de la grille de blocs.
Largeur de la grille de blocs.
cudaApplyFunction(fonc,args,block_width,block_height,grid_width,grid_height)
lance le kernel fonc sur les arguments contenus dans la liste
args. La taille du bloc d'exécution est deblock_height x block_width.
fonc est l'objet retourné par la fonction
cudaLoadFunction.
args est une liste Scilab de pointeur sur des
matrices stockées en mémoire GPU (par la fonction
cudaToGpu, par exemple) ou d'entiers.
Les kernels CUDA sont définis sur des blocs, eux même répartis en grille d'exécution. Ces données sont indiquées par les paramètres block_height, block_width , grid_height, grid_width.
Le code cudaApplyFunction(fonc,args,block_width,block_height,grid_width,grid_height) équivaudrait, en utilisant C for CUDA, au code suivant :
//--matrixAdd.cu-- extern "C" __global__ void matrixAdd( double* C, double* A, double* B, int M, int N) { int idx = blockIdx.x; int idy = blockIdx.y; int dx = blockDim.x; int dy = blockDim.y; int tx = threadIdx.x; int ty = threadIdx.y; int x=tx+dx*idx; int y=ty+dy*idy; if(x<M && y<N) C[ x + y*M ]= A[ x + y*M ] + B[ x+ y*M ]; } //--Scilab script-- A=ones(16,16);gA=cudaToGpu(A) B=2*ones(16,16);gB=cudaToGpu(B) C=0*ones(16,16);gC=cudaToGpu(C) buildCuda(CUDAPATH+"/tests/unit_tests/"+"matrixAdd.cu"); fonc=cudaLoadFunction("matrixAdd.ptx","matrixAdd") lst=list(gC,gB,gA,16,16) cudaApplyFunction(fonc,lst,16,16,1,1); C=cudaFromGpu(gC); cudaFree(gA); cudaFree(gB); cudaFree(gC); cudaExit(); | ![]() | ![]() |