CUDA小内核二维卷积--怎么做

Question

我如何用CUDA在一个相对较大的图像和一个非常小的内核(3x3)之间执行快速的2D卷积？

Answer 1

您说得对，3x3内核不适合基于FFT的方法。处理这个问题的最好方法是将内核推入恒定内存（或者，如果您使用的是Fermi+卡，这应该不太重要）。

因为您知道内核大小，所以最快的方法是将输入图像/信号的块读入共享内存，并执行展开的乘法和加法操作。

--

array kernel = array(3, 3, h_kernel, afHost); // Transfer the kernel to gpu
array image  = array(w, h, h_image , afHost); // Transfer the image  to gpu
array result = convolve2(image, kernel);       // Performs 2D convolution

例如，如果您有10个图像要使用相同的内核进行卷积，那么您可以执行如下操作：

array kernel = array(3, 3, h_kernel, afHost);     // Transfer the kernel to gpu
array images = array(w, h, 10, h_images, afHost); // Transfer the images to gpu
array res    = convolve2(images, kernel); // Perform all operations simultaneously

--

我在AccelerEyes工作，积极参与ArrayFire的工作。