将结构传递给cupy中的原始内核

Posted

技术标签:

【中文标题】将结构传递给cupy中的原始内核【英文标题】:Passing structure to raw kernel in cupy 【发布时间】:2019-12-06 03:26:01 【问题描述】:

我有 CUDA 内核,它采用 float3、int2 等结构作为参数。我似乎无法通过 cupy rawkernel 接口正确地将参数传递给这些内核。我尝试为 float3 参数传递 3 个浮点数的 1d Cupy 数组,但该参数在内核中未正确解释。我试过传递一个 ctypes 结构,但得到了一个不受支持的类型错误。是否可以将自定义结构发送到 cupy 中的原始内核?如果有,怎么做?

我尝试使用 ctype 结构如下:

class float3(ctypes.Structure): 
    fields = [ ("X", c_float), ("Y", c_float), ("Z", c_float)] 

from cupy.cuda.function import CPointer 

class CFloat3(CPointer): 
    def __init__(self, v): super().__init__(ctypes.addressof(v)) 
        self.val = v 

val= float3(1.5, 3, 5) 
cval= CFloat3(val) 

这绕过了 cupy 的类型检查,但仍然没有正确地将值传递给内核。如果您检查一下cupy源代码中的功能模块,它似乎应该可以工作。它只是传递结构的指针。我还尝试了 id(v) 和 ctypes.POINTER(float3)(v) 而不是 ctypes.addressof 来获取结构的地址,但这也不起作用。

我可以通过编写接受数组作为输入的内核包装器来解决这个问题,然后将数组转换为结构以调用我的常规内核。这对我来说很丑陋。如果无法做到这一点,那么不提供将结构传递给内核的能力似乎是一个很大的疏忽。

【问题讨论】:

我几乎可以肯定你不能那样做。 【参考方案1】:

感谢您的提问。

解决float2float3 类型问题的一种(hackish)方法是在内核中强制转换 cupy 数组指针(但实际上并不推荐这样做):

import cupy
add_kernel = cupy.RawKernel(r'''
    extern "C" __global__
    void my_add(const float* x1, float* y) 
        int tid = blockDim.x * blockIdx.x + threadIdx.x;
        float3* xf3 = (float3*) x1;
        y[tid] = xf3->x + xf3->y + xf3->z;
    
    ''', 'my_add')
x1 = cupy.array([1, 2, 3], dtype='float32')
y = cupy.array([0], dtype='float32')
add_kernel((1,), (1,), (x1, y))

但是,CuPy 不支持结构化数组,因此无法将 cupy 数组映射到 cuda 内核中的用户定义结构。

【讨论】:

【参考方案2】:

我同意这个评论;在一般情况下,我无法找到一种方法来完成这项工作。

通过重新调整np.complexXX 数据类型的用途,也许可以使用一种hacky 方法来处理float2double2。这是一个例子:

$ cat t19.py
import numpy as np
import cupy
ddim = 64
bdim = 32
d = np.complex64(1+2j)
i = cupy.ones((ddim*3), dtype=cupy.float32).reshape(ddim, 3)
o = cupy.zeros((ddim*3), dtype = cupy.float32).reshape(ddim, 3)
my_test = cupy.RawKernel(r'''
  extern "C" __global__
  void my_test(const float2 d, const  float3 * __restrict__  i, float3 * __restrict__ o, int dim) 
  int x = blockDim.x * blockIdx.x + threadIdx.x;
  if (x < dim)
    float3 temp = i[x];
    temp.x += d.x;
    temp.y += d.y;
    temp.z += d.x;
    o[x] = temp;
  
 ''', 'my_test')
gdim = ddim//bdim + 1
my_test((gdim,1), (bdim,1), (d, i,o,ddim))  # grid, block and arguments
r_o = cupy.asnumpy(o)
print(r_o)
$ python t19.py
[[2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]
 [2. 3. 2.]]
$

我对 numpy 结构化数据类型没有运气,这似乎是它的逻辑路径。

【讨论】:

您显然也可以在内核中强制转换标量类型 对不起。我以前从未在这里摆过姿势,我对礼仪不是很熟悉。如果没有办法将结构传递给内核,那么我将使用 cupy 发布问题。我只是希望我只是忽略了一些东西。 你可以提交cupy issue

以上是关于将结构传递给cupy中的原始内核的主要内容,如果未能解决你的问题,请参考以下文章

传递给内核的cupy变量被忽略

将结构传递给内核时是不是有任何性能下降?

cupy.RawModule 使用 name_expressions 和 nvcc 和/或路径

将包含向量的结构传递给CUDA内核

如何使用 PyOpenCL 将带有数组和变量的 C 结构传递给 OpenCL 内核

在android中的活动之间传递非原始类型的数据