标题: Rapidmind计算库性能测试
- 周波 2007-10-02 11:14 阅读:338
- 评论:1 查看评论 | 添加评论
   rapidmind.net提供了免费的计算库下载,目的是使用C++ metaprogramming将计算与硬件平台隔离开来,它提供一套运行库做底层的优化工作。为了测试其真正的性能,以便于在未来的渲染器中使用,我做了一个简单的性能测试程序,将一张1920x1080尺寸的TIF从RGB转换为CIE XYZ。
  测试平台为我的acer 5572ANWXCi笔记本,Core Duo T2250、945、1.5G DDR2、geforce 7300go 64bit 128M。

GPU CPU GPU* CPU*
Joky.tif 1.809444 28.306510 36.927075 12.229953
HDTV.tif 7.248393 179.199637 465.021794 173.764878

单位为毫秒millisecond,加“*”表示回读GPU数据到内存。Joky.tif大小为300x400,120000 pixels。HDTV.tif大小为1920x1080,2073600 pixels。

  测试结果表明,如果不回读,那么可以放心大胆的使用GPU计算。但是如果回读,那么速度将急剧下降。总线是一个原因,但估计更深层次的是GPU的工作机制以及设计。但是可以肯定的是,如果使用RM开发基于多核心的CPU比如CELL BE处理器的计算程序,那么带来的好处是及其明显的,避免了硬件编码优化工作,节省了人力物力,最重要的是可以获得相当不错的性能。
  测试代码如下,其中CPU部分没有优化,但是打开了VC71的SSE2开关。
[图片]#include <TCHAR.h>
[图片]
[图片]#include <cstdio>
[图片]#include <rapidmind/platform.hpp>
[图片]#include <cximage/ximage.h>
[图片]#pragma comment(lib,"rmplatform-vc7-md.lib")
[图片]#pragma comment(lib,"cximagecrt.lib")
[图片]
[图片]using namespace rapidmind;
[图片]
[图片]int main()
[图片][图片][图片]{
[图片]    float Time;
[图片]    CxImage Image("C:\\HDTV.tif",CXIMAGE_FORMAT_TIF);
[图片]    long size = Image.GetWidth()*Image.GetHeight()*sizeof(BYTE)*4;
[图片]    BYTE* DataPtr = NULL;
[图片]    if( !Image.Encode2RGBA(DataPtr,size) )
[图片]        printf("Shit!\n");
[图片]
[图片]    rapidmind::init();
[图片]
[图片][图片]/**//*
[图片]const mat3 RGBtoCIEmat = mat3(0.412453, 0.212671, 0.019334,
[图片]                              0.357580, 0.715160, 0.119193,
[图片]                              0.180423, 0.072169, 0.950227);
[图片]
[图片]*/
[图片]    Value3f C0(0.412453f,0.357580f,0.180423f);
[图片]    Value3f C1(0.212671f,0.715160f,0.072169f);
[图片]    Value3f C2(0.019334f,0.119193f,0.950227f);
[图片]
[图片][图片]    Program Prog = RM_BEGIN_PROGRAM("stream")[图片]{
[图片]        In<Value4ub> rgb;
[图片]        Out<Value4ub> cie;
[图片]        cie(0) = dot(rgb(0,1,2),C0);
[图片]        cie(1) = dot(rgb(0,1,2),C1);
[图片]        cie(2) = dot(rgb(0,1,2),C2);
[图片]        cie(3) = 255;
[图片]    }RM_END
[图片]    Array<1,Value4ub> Input(Image.GetWidth()*Image.GetHeight());
[图片]    DataPtr = Input.write_data();
[图片]    Array<1,Value4ub> Output;
[图片]
[图片]    rapidmind::compile(Output,Prog(Input));
[图片]    Output = Prog(Input);
[图片]
[图片]    DataPtr[0] = 255;
[图片]    rapidmind::Timer Start = rapidmind::Timer::now();
[图片]    Output = Prog(Input);
[图片]    rapidmind::finish();
[图片]     
[图片]    //const BYTE* RMResultPtr = Output.read_data();
[图片]
[图片]    rapidmind::Timer End = rapidmind::Timer::now();
[图片]    rapidmind::finish();
[图片]    Time = End.milliseconds() - Start.milliseconds();
[图片]    printf("Use RM : %f milliseconds\n",Time);
[图片]
[图片]    int Width = Image.GetWidth(),Height = Image.GetHeight();
[图片]
[图片]    Start = rapidmind::Timer::now();
[图片][图片]    for(int i=0;i<Width*Height;i++)[图片]{
[图片]        float r = DataPtr[i*4+0],g=DataPtr[i*4+1],b=DataPtr[i*4+2];
[图片]        float x = r*0.412453f + g*0.357580f + b*0.180423f;
[图片]        float y = r*0.212671f + g*0.715160f + b*0.072169f;
[图片]        float z = r*0.019334f + g*0.119193f + b*0.950227f;
[图片]        DataPtr[i*4+0] = x;
[图片]        DataPtr[i*4+1] = y;
[图片]        DataPtr[i*4+2] = z;
[图片]        DataPtr[i*4+2] = 255;
[图片]    }
[图片]    End = rapidmind::Timer::now();
[图片]    Time = End.milliseconds() - Start.milliseconds();
[图片]    printf("Use CPU: %f milliseconds\n",Time);
[图片]
[图片]
[图片]    system("PAUSE");
[图片]    return 0;
[图片]}

查看评论 | 添加评论
返回顶部 | 返回首页