Автоматизация ввода-вывода CUDA - История изменений

Alinap95: /* Использование средств автоматизации */

2019-06-23T07:04:53Z

Использование средств автоматизации

← Предыдущая		Версия 17:04, 23 июня 2019
Строка 43:		Строка 43:

	=Использование средств автоматизации=		=Использование средств автоматизации=
	Для использования автоматизации в классе <tt>SomeClass</tt> необходимо добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt> в device версию класса <tt>SomeClassCuda</tt> или специализировать cuda_specially_read для SomeClass.		Для использования автоматизации в классе <tt>SomeClass</tt> необходимо добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt> в device версию класса <tt>SomeClassCuda</tt> или специализировать <tt>cuda_specially_read</tt> для <tt>SomeClass</tt>.

	Для записи из <tt>SomeClass</tt> необходимо определить перегрузку <tt>operator<<()</tt> для данного класса:		Для записи из <tt>SomeClass</tt> необходимо определить перегрузку <tt>operator<<()</tt> для данного класса:

Alinap95: /* Использование средств автоматизации */

2019-06-23T07:03:19Z

Использование средств автоматизации

← Предыдущая		Версия 17:03, 23 июня 2019
Строка 43:		Строка 43:

	=Использование средств автоматизации=		=Использование средств автоматизации=
	Для использования автоматизации в классе <tt>SomeClass</tt> необходимо добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt> в device версию класса <tt>SomeClassCuda</tt>.		Для использования автоматизации в классе <tt>SomeClass</tt> необходимо добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt> в device версию класса <tt>SomeClassCuda</tt> или специализировать cuda_specially_read для SomeClass.

	Для записи из <tt>SomeClass</tt> необходимо определить перегрузку <tt>operator<<()</tt> для данного класса:		Для записи из <tt>SomeClass</tt> необходимо определить перегрузку <tt>operator<<()</tt> для данного класса:

Alinap95: /* cuda_output_buffer_stream – автоматизация передачи выходных параметров */

2019-06-23T06:17:20Z

cuda_output_buffer_stream – автоматизация передачи выходных параметров

← Предыдущая		Версия 16:17, 23 июня 2019
Строка 27:		Строка 27:
	[[Файл:Automated_output_top.png\|thumb\|300px\|Диаграмма классов cuda_output_buffer_stream]]		[[Файл:Automated_output_top.png\|thumb\|300px\|Диаграмма классов cuda_output_buffer_stream]]

	<tt>cuda_output_buffer_stream</tt> – реализация для хоста выходного потока, используется для получения данных с устройства на хост. <tt>~~Read_as~~()</tt> используется для создания из потока <tt>cuda_output_buffer_stream</tt> класса <tt>SomeClass</tt>.		<tt>cuda_output_buffer_stream</tt> – реализация для хоста выходного потока, используется для получения данных с устройства на хост. <tt>read_as()</tt> используется для создания из потока <tt>cuda_output_buffer_stream</tt> класса <tt>SomeClass</tt>.

	<tt>cuda_output_buffer_d</tt> – реализация буфера для хост-девайс взаимодействия. Все методы (за исключением <tt>get_host_buf()</tt>) могут вызываться на стороне хост и девайс.		<tt>cuda_output_buffer_d</tt> – реализация буфера для хост-девайс взаимодействия. Все методы (за исключением <tt>get_host_buf()</tt>) могут вызываться на стороне хост и девайс.
Строка 41:		Строка 41:

	Завершающим этапом работы является освобождение динамически выделенной памяти в случае отсутствия её дальнейшего использования. Представленные протоколы для работы с входными и выходными параметрами позволяют инкапсулировать процессы выделения памяти и её инициализации, автоматизировать взаимодействие между основной программой, выполняемой на центральном процессоре, и устройством CUDA, уменьшив тем самым сложность реализации программ с использованием CUDA.		Завершающим этапом работы является освобождение динамически выделенной памяти в случае отсутствия её дальнейшего использования. Представленные протоколы для работы с входными и выходными параметрами позволяют инкапсулировать процессы выделения памяти и её инициализации, автоматизировать взаимодействие между основной программой, выполняемой на центральном процессоре, и устройством CUDA, уменьшив тем самым сложность реализации программ с использованием CUDA.

	=Использование средств автоматизации=		=Использование средств автоматизации=
	Для использования автоматизации в классе <tt>SomeClass</tt> необходимо добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt> в device версию класса <tt>SomeClassCuda</tt>.		Для использования автоматизации в классе <tt>SomeClass</tt> необходимо добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt> в device версию класса <tt>SomeClassCuda</tt>.

Alinap95: /* Дополнительные классы */

2019-06-23T06:15:48Z

Дополнительные классы

← Предыдущая		Версия 16:15, 23 июня 2019
Строка 117:		Строка 117:
	};		};
	</source>		</source>
	cuda_exception – класс-обертка для хоста, содержащий код ошибки cudaError_t.		<tt>cuda_exception</tt> – класс-обертка для хоста, содержащий код ошибки <tt>cudaError_t</tt>.

	<source lang="cpp">		<source lang="cpp">
Строка 128:		Строка 128:
	};		};
	</source>		</source>
	cuda_input_buffer_datum – класс, реализующий буфер для хоста.		<tt>cuda_input_buffer_datum</tt> – класс, реализующий буфер для хоста.

	<source lang="cpp">		<source lang="cpp">
Строка 142:		Строка 142:
	};		};
	</source>		</source>
	cuda_input_buffer_datum_holder – класс, реализующий буфер для хоста с выравниванием.		<tt>cuda_input_buffer_datum_holder</tt> – класс, реализующий буфер для хоста с выравниванием.

	<source lang="cpp">		<source lang="cpp">
Строка 149:		Строка 149:
	template <class T> struct cuda_specially_read<T, typename T::custom_cuda_device_read> :std::true_type {};		template <class T> struct cuda_specially_read<T, typename T::custom_cuda_device_read> :std::true_type {};
	</source>		</source>
	Метафункции для определения необходимости читать на cuda особым образом (на host и device могут существовать разные версии одного и того же класса).		Метафункции для определения необходимости читать на cuda особым образом (на <tt>host</tt> и <tt>device</tt> могут существовать разные версии одного и того же класса).

Alinap95: /* Дополнительные классы */

2019-06-23T06:14:26Z

Дополнительные классы

← Предыдущая		Версия 16:14, 23 июня 2019
Строка 108:		Строка 108:

	=Дополнительные классы=		=Дополнительные классы=
			<source lang="cpp">
			struct cuda_exception
			{
			cuda_exception() = default;
			cuda_exception(cudaError_t err) :m_err(err) {}
			private:
			cudaError_t m_err;
			};
			</source>
			cuda_exception – класс-обертка для хоста, содержащий код ошибки cudaError_t.

			<source lang="cpp">
			struct cuda_input_buffer_datum
			{
			virtual ~cuda_input_buffer_datum() {}
			virtual const std::uint8_t* data() const noexcept = 0;
			virtual std::uint8_t* data() noexcept = 0;
			virtual std::size_t size() const noexcept = 0;
			};
			</source>
			cuda_input_buffer_datum – класс, реализующий буфер для хоста.

			<source lang="cpp">
			template <class DatumType>
			struct cuda_input_buffer_datum_holder :cuda_input_buffer_datum
			{
			alignas(DatumType) std::uint8_t datum[sizeof(DatumType)];
			template <class ArgType, class = std::enable_if_t<std::is_constructible<DatumType, ArgType&&>::value>>
			cuda_input_buffer_datum_holder(ArgType&& arg);
			virtual inline const std::uint8_t* data() const noexcept override final;
			virtual inline std::uint8_t* data() noexcept override final;
			virtual std::size_t size() const noexcept override final;
			};
			</source>
			cuda_input_buffer_datum_holder – класс, реализующий буфер для хоста с выравниванием.

			<source lang="cpp">
			template <class T, class = std::true_type> struct cuda_specially_read :std::false_type {};

			template <class T> struct cuda_specially_read<T, typename T::custom_cuda_device_read> :std::true_type {};
			</source>
			Метафункции для определения необходимости читать на cuda особым образом (на host и device могут существовать разные версии одного и того же класса).

Alinap95 в 06:07, 23 июня 2019

2019-06-23T06:07:40Z

← Предыдущая		Версия 16:07, 23 июня 2019
Строка 106:		Строка 106:

	[[Автоматизация ввода-вывода CUDA/Пример передачи списка векторов на хост\|Пример передачи списка векторов на хост]]		[[Автоматизация ввода-вывода CUDA/Пример передачи списка векторов на хост\|Пример передачи списка векторов на хост]]

			=Дополнительные классы=

Alinap95: /* Использование средств автоматизации */

2019-06-23T05:35:30Z

Использование средств автоматизации

← Предыдущая		Версия 15:35, 23 июня 2019
Строка 67:		Строка 67:
	</source>		</source>

	Пример внедрения		[[Автоматизация ввода-вывода CUDA/Пример внедрения автоматизации\|Пример внедрения автоматизации]]

	=Use cases=		=Use cases=

Alinap95: /* Использование средств автоматизации */

2019-06-23T05:34:11Z

Использование средств автоматизации

← Предыдущая		Версия 15:34, 23 июня 2019
Строка 51:		Строка 51:
	Далее необходимо записать каждое поле класса. Если тип члена класса динамическая структура (например, vector), то в поток необходимо предварительно записать количество элементов в контейнере. Для каждого составного типа необходимо определить свой оператор <tt>operator<<</tt>.		Далее необходимо записать каждое поле класса. Если тип члена класса динамическая структура (например, vector), то в поток необходимо предварительно записать количество элементов в контейнере. Для каждого составного типа необходимо определить свой оператор <tt>operator<<</tt>.
	<source lang="cpp">		<source lang="cpp">
	is << ~~model~~.~~m_vPoly[i]~~;		is << obj.container.size();
	</source>		</source>

Строка 57:		Строка 57:
	<source lang="cpp">		<source lang="cpp">
	template <class T>		template <class T>
	__device__ auto read_as(~~CAMaaS::cu::~~cuda_input_buffer_stream_d& is) -> std::enable_if_t<std::is_same<~~CInputModelCuda~~, T>::value, T>		__device__ auto read_as(cuda_input_buffer_stream_d& is) -> std::enable_if_t<std::is_same<SomeClassCuda, T>::value, T>
	</source>		</source>

			Далее каждое поле класса инициализируется значением, полученное вызовом <tt>read_as</tt>. Если передавались данные некоторого контейнера (например, vector), необходимо сначала считать размер контейнера, а затем уже его элементы. Если тип элемента составной, то перед чтением необходимо убедиться, что для него определен свой метод <tt>read_as</tt>.
			<source lang="cpp">
			auto containerSize = read_as<std::size_t>(is);
			for (std::size_t i = 0; i < containerSize; ++i)
			result.container.emplace_back(read_as<ComplexObject>(is));
			</source>

			Пример внедрения

	=Use cases=		=Use cases=

Alinap95: /* Использование средств автоматизации */

2019-06-23T05:23:08Z

Использование средств автоматизации

@@ Строка 42: / Строка 42: @@
 Завершающим этапом работы является освобождение динамически выделенной памяти в случае отсутствия её дальнейшего использования. Представленные протоколы для работы с входными и выходными параметрами позволяют инкапсулировать процессы выделения памяти и её инициализации, автоматизировать взаимодействие между основной программой, выполняемой на центральном процессоре, и устройством CUDA, уменьшив тем самым сложность реализации программ с использованием CUDA.
 =Использование средств автоматизации=
-Для использования автоматизации необходимо в каждый кастомизированный класс добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt>
+Для использования автоматизации в классе <tt>SomeClass</tt> необходимо добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt> в device версию класса <tt>SomeClassCuda</tt>.
 =Use cases=

Alinap95 в 04:59, 23 июня 2019

2019-06-23T04:59:35Z

← Предыдущая		Версия 14:59, 23 июня 2019
Строка 41:		Строка 41:

	Завершающим этапом работы является освобождение динамически выделенной памяти в случае отсутствия её дальнейшего использования. Представленные протоколы для работы с входными и выходными параметрами позволяют инкапсулировать процессы выделения памяти и её инициализации, автоматизировать взаимодействие между основной программой, выполняемой на центральном процессоре, и устройством CUDA, уменьшив тем самым сложность реализации программ с использованием CUDA.		Завершающим этапом работы является освобождение динамически выделенной памяти в случае отсутствия её дальнейшего использования. Представленные протоколы для работы с входными и выходными параметрами позволяют инкапсулировать процессы выделения памяти и её инициализации, автоматизировать взаимодействие между основной программой, выполняемой на центральном процессоре, и устройством CUDA, уменьшив тем самым сложность реализации программ с использованием CUDA.
			=Использование средств автоматизации=
			Для использования автоматизации необходимо в каждый кастомизированный класс добавить флаг <tt>typedef std::true_type custom_cuda_device_read</tt>

	=Use cases=		=Use cases=
	Представленные варианты использования были использованы для создания средств автоматизации		Представленные варианты использования были использованы для создания средств автоматизации