C++ AMP 介绍（二）
最后更新日期：2014-05-02
阅读前提：《C++ AMP介绍（一）》
环境:Windows 8.1 64bit英文版，Visual Studio 2013 Update1英文版，Nvidia QuadroK600 显卡
内容简介
介绍C++ AMP的 array、array_view、extent类和平铺的知识。
正文
数据的移动
array和 array_view两个数据容器(模板类)用于把数据从运行时库（CPU）移到加速器（显卡或通用计算卡）上，array类在构造时建立数据的深拷贝，把数据复制到加速器(GPU)上，而array_view类是个包装类，仅仅当核心函数（kernel function）要用到数据时，才把源数据复制到加速器上。
#include <amp.h>
using namespace concurrency;
//演示array类的使用方式
void test_array()
{
//测试数据
std::vector<int> data(5);
for (int count = 0; count < 5; count++)
{
data[count] = count;
}
//构造array实例
array<int, 1> a(5, data.begin(), data.end());
parallel_for_each(
a.extent,
[=, &a](index<1> idx) restrict(amp)
{
a[idx] = a[idx] * 10;
}
);
//array实例a不需要调用同步方法
//但是需要赋值给data
data = a;
//输出0,10,20,30,40
for (int i = 0; i < 5; i++)
{
std::cout << data[i] << "\n";
}
}
array_view同array之间几乎有相同的成员，但是它们底层的行为不一样，所以当你建立两个指向同一个数据源的array_view实例时，实际上它们指向同一个内存地址，数据只有当需要的时候才会被复制到加速器中，所以你得注意数据的同步，array_view类的主要好处是数据仅当要被加速器用到的时候才会被移动。
共享内存是能被CPU和GPU访问的内存，array类可以控制共享内存的存取方式，但是首先我们需要测试加速器是不是支持共享内存，下面是array使用共享内存的示例代码。
int test_sharedMemory()
{
// 一台计算机中可能有多块加速器，取默认加速器
accelerator acc = accelerator(accelerator::default_accelerator);
// 测试默认加速器是否支持共享内存
if (!acc.supports_cpu_shared_memory)
{
std::cout << "The default accelerator does not support shared memory" << std::endl;
return 1;
}
// 设置cpu默认存取方式
acc.set_default_cpu_access_type(access_type_read_write);
//为acc加速器建立accelerator_view（加速器视图）实例
//读写方式默认为加速器default_cpu_access_type属性的设定
accelerator_view acc_v = acc.default_view;
// extent指示array实例建立一个含10个元素的一维数组
extent<1> ex(10);
// 指定加速器视图，输入数组在CPU上只写
array<int, 1> arr_w(ex, acc_v, access_type_write);
// 指定加速器视图，输出数组在CPU上只读
array<int, 1> arr_r(ex, acc_v, access_type_read);
// 指定加速器视图，可以在CPU上读写的数组
array<int, 1> arr_rw(ex, acc_v, access_type_read_write);
return 0;
}
index 类
index类指定元素在array或array_view对象中的位置，下面是index类的使用示例代码
void test_indexClass()
{
int aCPP[] = { 1, 2, 3,
4, 5, 6 };
//新建2维(两行三列)array_view包装器
array_view<int, 2> a(2, 3, aCPP);
index<2> idx(1, 2);
//输出6
std::cout << a[idx] << "\n";
}
extent类
虽然extent类在很多场合下不是必要的，但是微软的部分示例代码使用到了extent class，所以有必要介绍下extent class。
extentclass用来指定array或array_view各个维度的元素数量，你可以使用extent class建立array或array_view对象，也可以从array或array_view对象中存取extent，下面的例子演示了extent class的使用。
void test_extentClass()
{
int aCPP[] = { 111, 112, 113, 114,
121, 122, 123, 124,
131, 132, 133, 134,
211, 212, 213, 214,
221, 222, 223, 224,
231, 232, 233, 234 };
extent<3> e(2, 3, 4);
array_view<int, 3> a(e, aCPP);
//断言extent[0],[1],[2]的属性分别为2、3、4
assert(2 == a.extent[0]);
assert(3 == a.extent[1]);
assert(4 == a.extent[2]);
}
parallel_for_each函数
我们在上篇文章中调用过parallel_for_each函数，它有两个入口参数，第一个入口参数为计算域，是个extent或tiled_extent对象，定义了要在加速器上并发运行的线程集合，它会为每个元素生成一根用于计算的线程。第二个参数是lambda表达式，定义了要在每根线程上运行的代码。
加速代码: 砖面（Tiles ）和边界（Barriers）
将全体线程划分为若干个具有相等数量矩形(M*N根)线程集合，每个集合称为tile(砖面)，多个tile（砖面）组成全体线程，叫做平铺(tiling)。
若要使用平铺，在parallel_for_each 方法中的计算域上调用 extent::tile 方法，并在 lambda 表达式中使用 tiled_index 对象。
下面是两张来自微软官网的砖面（tile）的组织图，可以看到如何索引元素。
图中的idx是index类，sample是全局空间（array或array_view对象）
下图中的t_idx是index类，descriptions是全局空间（array或array_view对象）
下面这个来自微软官方的例子，每2*2=4根线程组成一个砖面(tile)，计算砖面(tile)中元素的平均值。
void test_tile()
{
// 测试样本:
int sampledata[] = {
2, 2, 9, 7, 1, 4,
4, 4, 8, 8, 3, 4,
1, 5, 1, 2, 5, 2,
6, 8, 3, 2, 7, 2 };
// The tiles（下面是6个砖面）:
// 2 2 9 7 1 4
// 4 4 8 8 3 4
//
// 1 5 1 2 5 2
// 6 8 3 2 7 2
// averagedata用来存放运算结果:
int averagedata[] = {
0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0,
};
//每四个元素（四根线程）组成一个tile（砖面），所以共有六个tile(砖面)
array_view<int, 2> sample(4, 6, sampledata);
array_view<int, 2> average(4, 6, averagedata);
//通过[1]extent.tile代替extent[2]tiled_index代替index，启用平铺模式
parallel_for_each(
// 把extent切分为以2*2为单位的tile（砖面）
sample.extent.tile<2, 2>(),
[=](tiled_index<2, 2> idx) restrict(amp)
{
//tile_static关键字的变量范围是整个tile（砖面）
//所以每个tile（砖面）(2*2=4根线程)只实例化一个tile_static
tile_static int nums[2][2];
//tile(砖面)中的所有线程分别运行下面的代码
//把值复制到tile_static实例nums，所以同一个nums会被赋值2*2=4次
nums[idx.local[1]][idx.local[0]] = sample[idx.global];
//等待tile(砖面)中的所有线程，运行完上面这段代码
idx.barrier.wait();
//现在nums中的2*2=4个元素已经有有效值了
//tile(砖面)中的所有线程再次分别运行下面的代码
//计算平均值，
int sum = nums[0][0] + nums[0][1] + nums[1][0] + nums[1][1];
//把计算结果复制到array_view对象中.
average[idx.global] = sum / 4;
}
);
//打印运算结果
for (int i = 0; i < 4; i++) {
for (int j = 0; j < 6; j++) {
std::cout << average(i, j) << " ";
}
std::cout << "\n";
}
// Output:
// 3 3 8 8 3 3
// 3 3 8 8 3 3
// 5 5 2 2 4 4
// 5 5 2 2 4 4
}
使用平铺的好处是，从tile_static变量存取数据要比从全局空间（array和array_view对象）要快。为了从平铺中得到性能优势，我们的算法必须把计算域拆分为tile（砖面）然后把数据放到tile_static变量中加快数据存取速度。
注意不要使用类似下面的代码来累加tile（砖面）中的数据，
tile_static float total;
total += matrix[t_idx];‘
原因[1]total的初始值是不确定的，所以第二句代码的运算没有意义。
原因[2]由于tile（砖面）中的多根线程竞争同一个title_static变量，计算结果会不确定。
内存屏障(MemoryFences)
在restrict(amp)限定中，有两种内存必须要同步：
全局内存：array或array_view实例
tile_static内存：tile(砖面)内存
内存屏障确保两种内存的线程同步，要调用内存屏障可以使用下面三种方法：
tile_barrier::wait（或tile_barrier::wait_with_all_memory_fence）方法: 建立全局内存和tile_static内存的屏障。
tile_barrier::wait_with_global_memory_fence方法 : 仅建立全局内存的屏障
tile_barrier::wait_with_tile_static_memory_fence 方法 :仅建立tile_static内存的屏障
调用特定类型的屏障(fence)可以提高你应用的性能，在下面的例子中 tile_barrier::wait_with_tile_static_memory_fence 方法的调用代替tile_barrier::wait方法的调用提高了应用的性能。
// 使用tile_static内存屏障
parallel_for_each(matrix.extent.tile<SAMPLESIZE, SAMPLESIZE>(),
[=, &averages](tiled_index<SAMPLESIZE, SAMPLESIZE> t_idx) restrict(amp)
{
// 把数据从全局内存中复制到title_static内存中.
tile_static floattileValues[SAMPLESIZE][SAMPLESIZE];
tileValues[t_idx.local[0]][t_idx.local[1]] = matrix[t_idx];
// 等待title_static内存中的数据复制完毕
t_idx.barrier.wait_with_tile_static_memory_fence();
// 如果你移除if语句，代码会把被tile(砖面)中的所有线程调用，这样每个
// tile(砖面)中的元素都会被分配一个同样的平均值.
if (t_idx.local[0] == 0&& t_idx.local[1] == 0) {
for (int trow = 0; trow <SAMPLESIZE; trow++) {
for (int tcol = 0; tcol< SAMPLESIZE; tcol++) {
averages(t_idx.tile[0],t_idx.tile[1]) += tileValues[trow][tcol];
}
}
averages(t_idx.tile[0],t_idx.tile[1]) /= (float) (SAMPLESIZE *SAMPLESIZE);
}
});
restrict(amp)修饰的代码段是在加速器（GPU）上运行的，默认在里面的代码段，下断点不会Break（进入），在[Solution Explorer]窗口中点击项目名称，快捷键[Alt]+[Enter]，打开当前项目属性页，[Configuration Properties]->[Debugging]->[Debugger Type]默认为“Auto”，改为“GPU Only”就可以Debug当前项目加速器(GPU)上运行的代码了。
据官网介绍，无符号整数的处理速度要比带符号整数快，所以尽量用无符号整数吧。
参考资料
《Using Tiles》
http://msdn.microsoft.com/en-us/library/vstudio/hh873135.aspx
《使用平铺》
http://msdn.microsoft.com/zh-cn/library/vstudio/hh873135.aspx