GPU混合编程：CUFFT时间分析

采用CUBLAS的例子，采用NVIDIA Visual Profiler对cufft函数进行更深的认识。

打开NVIDIA Visual Profiler，创建一个新的对话。在MATLAB窗口中，设置编译后的c-mex文件的位置为当前路径，然后运行c-mex函数，如图6.6所示。

图6.6 cufftDemo在MATLAB中的运行

运行c-mex函数后，关闭MATLAB窗口退出MATLAB。MATLAB关闭后，返回NVIDIA Visual Profiler。此时NVIDIA Visual Profiler完成了对MATLAB信息的搜集，并且在窗口中生成了分析结果。如果NVIDIA Visual Profiler弹出如图6.7所示窗口，则临时在c-mex函数末尾处添加cudaDeviceRest()函数，以确保刷新CUDA配置文件。

图6.7 NVIDIA Visual Profiler会话时间轴不完整消息

在MATLAB关闭后，让我们看看CUFFT执行情况的分析细节，如图6.8所示。(www.xing528.com)

图6.8 Visual Profiler分析cufftDem

在cufft函数调用的地方展开，展开后，屏幕显示除时间分析外的其他细节。我们可以更好地了解定义的cufft函数的内部情况。注意这一函数创建了多个不同线程大小的内核函数，如图6.9所示。

图6.9 GPU运算中Visual Profiler的cufftDemo分析细节

综上所述，如CUBLAS实例所示，c-mex函数共包含两个头文件。在MATLAB中用mex编译代码时，我们指定所采用的函数库以及函数库的位置。所采用的cuda运行时函数用来分配和释放内存，以及在主机和设备间传递输入输出数据。在调用cufft函数时，必须考虑MATLAB的数据布局是否与CUFFT兼容。CUFFT要求按行输入数据，但MATLAB则是按列顺序。还需要格外注意的是，MATLAB中的行和列是如何映射到CUFFT中的nx和ny中的，如图6.10所示。

图6.10 cufftDemo c-mex创建过程