康威生命游戏的 cuda 内核答案

【问题标题】：cuda kernel for conway's game of life康威生命游戏的 cuda 内核
【发布时间】：2010-12-14 10:42:40
【问题描述】：

我正在尝试计算在 Conway 的 GOL 运行中对 pxq 矩阵进行 n 次迭代的转换次数。例如，给定 1 次迭代，初始状态为 1 个闪烁（如下所示）。将有 5 次过渡（2 人出生，1 人存活，2 人死于人口不足）。我已经完成了这项工作，但我想将此逻辑转换为使用 CUDA 运行。以下是我要移植到 CUDA 的内容。

代码：

    static void gol() // call this iterations x's
    {
        int[] tempGrid = new int[rows * cols]; // grid holds init conditions
        for (int i = 0; i < rows; i++)
        {
            for (int j = 0; j < cols; j++)
            {
                tempGrid[i * cols + j] = grid[i * cols + j];
            }
        }

        for (int i = 0; i < rows; i++)
        {
            for (int j = 0; j < cols; j++)
            {
                int numNeighbors = neighbors(i, j); // finds # of neighbors

                if (grid[i * cols + j] == 1 && numNeighbors > 3)
                {
                    tempGrid[i * cols + j] = 0;
                    overcrowding++;
                }
                else if (grid[i * cols + j] == 1 && numNeighbors < 2)
                {
                    tempGrid[i * cols + j] = 0;
                    underpopulation++;
                }
                else if (grid[i * cols + j] == 1 && numNeighbors > 1)
                {
                    tempGrid[i * cols + j] = 1;
                    survival++;
                }
                else if (grid[i * cols + j] == 0 && numNeighbors == 3)
                {
                    tempGrid[i * cols + j] = 1;
                    birth++;
                }
            }
        }

        grid = tempGrid;
    }

【问题讨论】：

您具体需要什么帮助 - 如何并行化、存储、实际 CUDA 编程等方面的想法？
对不起，我应该如何处理并行性？

标签： cuda parallel-processing conways-game-of-life

【解决方案1】：

您的主要减速将是主内存访问。因此，我建议您根据可用的硬件选择较大的线程块大小。 256 (16x16) 是跨硬件兼容性的不错选择。这些线程块中的每一个都将计算电路板稍小的部分的结果——如果您使用 16x16，它们将计算电路板的 14x14 部分的结果，因为有一个元素边框。（使用 16x16 块来计算 14x14 块而不是 16x16 块的原因是为了内存读取合并。）

将棋盘分成（比如说）14x14 的块；那是你的网格（按照你认为合适的方式组织，但很可能是board_width / 14、board_height / 14。

在内核中，让每个线程将其元素加载到共享内存中。然后同步线程。然后让中间的 14x14 元素计算新值（使用存储在共享内存中的值）并将其写回全局内存。共享内存的使用有助于最大限度地减少全局读取和写入。这也是让你的线程块大小尽可能大的原因——边缘和角落是“浪费的”全局内存访问，因为在那里获取的值只会被使用 1 或 3 次，而不是 9 次。

【讨论】：

【解决方案2】：

这是您可以继续的一种方法：

每个线程对网格的 1 个元素进行计算
每个线程首先将一个元素从主网格加载到共享内存中
线程块边缘的线程也需要加载边界元素
然后每个线程可以根据共享内存的内容进行生存计算
然后每个线程将其结果写回主内存

【讨论】：