宇都宮大学工学部機械システム工学科2012年度演習発表 卒業発表は以下から： http://www.slideshare.net/shonetesmith/ss-16478924 卒業論文のダウンロードは以下のアドレスにあります： http://ace.ees.utsunomiya-u.ac.jp/research/cudaを利用したpiv解析の高速化に関する研究.html

1. CUDAを利用したPIV解析の
高速化に関する研究
指導教員 熱工学研究室
二宮 尚 史 翔新

2. CUDAを利用したPIV解析の
高速化に関する研究
指導教員 熱工学研究室
二宮 尚 史 翔新

3. PIV

4. Particle Image Velocimetry
粒子画像流速測定法

9. 時刻 t 時刻 t+Δt

12. 時刻t

13. 時刻t

14. 時刻t 時刻t+Δt

15. 時刻t 時刻t+Δt

16. 時刻t 時刻t+Δt

17. 時刻t 時刻t+Δt

18. 時刻t 時刻t+Δt

19. 時刻t 時刻t+Δt

20. 時刻t

27. PIV解析はベクトルが多い

28. PIV解析はベクトルが多い
• 画像サイズは1024×1024

29. PIV解析はベクトルが多い
• 画像サイズは1024×1024
• 検査領域サイズは8×8から48×48

30. PIV解析はベクトルが多い
• 画像サイズは1024×1024
• 検査領域サイズは8×8から48×48
• オーバーラップは50%が平均的

31. PIV解析はベクトルが多い
一回の解析で数千∼数万のベクトル

34. 同時演算

35. 同時演算に優れたデバイス？

37. GPU
Graphics Processing Unit
画像演算装置

38. GPU
Graphics Processing Unit
画像演算装置

39. GPGPU
General Purpose Graphics Processing Unit
汎用目的画像演算装置

40. SM数 SP数
名前
（CPU数相当） （コア数相当）
GeForce GT
12 96
240
GeForce GTX
48 384
560 Ti
GeForce GTX
168 1,344
660 Ti
主流のグラフィックボードスペック

41. スパコン 単一CPU 単一GPU
演算能力 ◎ ⃝ △
単一スレッド
◎ ◎ ⃝
演算速度
マルチスレッド
◎ △ ⃝
演算速度
運用コスト ☓ ⃝ ⃝

42. スパコン 単一CPU 単一GPU
演算能力 ◎ ⃝ △
単一スレッド
◎ ◎ ⃝
演算速度
マルチスレッド
◎ △ ⃝
演算速度
運用コスト ☓ ⃝ ⃝

43. スパコン 単一CPU 単一GPU
演算能力 ◎ ⃝ △
単一スレッド
◎ ◎ ⃝
演算速度
マルチスレッド
◎ △ ⃝
演算速度
運用コスト ☓ ⃝ ⃝

44. GPGPU

45. CPU
GPGPU

46. CPU C、Java、Ruby…
GPGPU

47. CPU C、Java、Ruby…
GPGPU 言語？

49. • CUDA

50. • CUDA
• ATI Stream

51. • CUDA
• ATI Stream
• OpenCL

52. CUDA ATI Stream OpenCL
対応デバイス △ △ ⃝
性能 ◎ ◎ ⃝
サポート ◎ △ ⃝

53. CUDA ATI Stream OpenCL
対応デバイス △ △ ⃝
性能 ◎ ◎ ⃝
サポート ◎ △ ⃝

54. CUDA ATI Stream OpenCL
対応デバイス △ △ ⃝
性能 ◎ ◎ ⃝
サポート ◎ △ ⃝

55. CUDA ATI Stream OpenCL
対応デバイス △ △ ⃝
性能 ◎ ◎ ⃝
サポート ◎ △ ⃝

56. CUDA ATI Stream OpenCL
対応デバイス △ △ ⃝
性能 ◎ ◎ ⃝
サポート ◎ △ ⃝

57. CUDA

58. C言語コード CUDAコード

59. C言語コード CUDAコード
#include <stdio.h>
int main() {
! int n, *a;
! n = 100;
! a = (int *)malloc(n);
!
! func(a, n);
!
! return 0;
}
void func(int *a, int n) {
! int i;
! for (i = 0; i < n; i++) {
! ! a[i] = i;
! }
}

60. C言語コード CUDAコード
#include <stdio.h> #include <stdio.h>
int main() { int main() {
! int n, *a; ! int n, *cpu_a, *gpu_a;
! n = 100; ! n = 100;
! a = (int *)malloc(n); ! cpu_a = (int *)malloc(n);
! cudaMalloc((void **)&gpu_a, n);
! !
! func(a, n); ! func<<<3, 32>>>(gpu_a, n);
! cudaMemcpy(cpu_a, gpu_a, n,
cudaMemcpyDeviceToHost);
! !
! return 0; ! return 0;
} }
void func(int *a, int n) { __global__ void func(int *a, int n) {
! int i; ! int i;
! i = blockIdx.x * blockDim.x +
threadIdx.x;
!
! for (i = 0; i < n; i++) { ! if (i < n) {
! ! a[i] = i; ! ! a[i] = i;
! } ! }
} }

61. C言語コード CUDAコード
#include <stdio.h> #include <stdio.h>
int main() { int main() {
! int n, *a; ! int n, *cpu_a, *gpu_a;
! n = 100; ! n = 100;
! a = (int *)malloc(n); ! cpu_a = (int *)malloc(n);
! cudaMalloc((void **)&gpu_a, n);
! !
! func(a, n); ! func<<<3, 32>>>(gpu_a, n);
! cudaMemcpy(cpu_a, gpu_a, n,
cudaMemcpyDeviceToHost);
! !
! return 0; ! return 0;
} }
void func(int *a, int n) { __global__ void func(int *a, int n) {
! int i; ! int i;
! i = blockIdx.x * blockDim.x +
threadIdx.x;
!
! for (i = 0; i < n; i++) { ! if (i < n) {
! ! a[i] = i; ! ! a[i] = i;
! } ! }
} }

62. C言語コード CUDAコード
#include <stdio.h> #include <stdio.h>
int main() { int main() {
! int n, *a; ! int n, *cpu_a, *gpu_a;
! n = 100; ! n = 100;
! a = (int *)malloc(n); ! cpu_a = (int *)malloc(n);
! cudaMalloc((void **)&gpu_a, n);
! !
! func(a, n); ! func<<<3, 32>>>(gpu_a, n);
! cudaMemcpy(cpu_a, gpu_a, n,
cudaMemcpyDeviceToHost);
! !
! return 0; ! return 0;
} }
void func(int *a, int n) { __global__ void func(int *a, int n) {
! int i; ! int i;
! i = blockIdx.x * blockDim.x +
threadIdx.x;
!
! for (i = 0; i < n; i++) { ! if (i < n) {
! ! a[i] = i; ! ! a[i] = i;
! } ! }
} }

63. C言語コード CUDAコード
#include <stdio.h> #include <stdio.h>
int main() { int main() {
! int n, *a; ! int n, *cpu_a, *gpu_a;
! n = 100; ! n = 100;
! a = (int *)malloc(n); ! cpu_a = (int *)malloc(n);
! cudaMalloc((void **)&gpu_a, n);
! !
! func(a, n); ! func<<<3, 32>>>(gpu_a, n);
! cudaMemcpy(cpu_a, gpu_a, n,
cudaMemcpyDeviceToHost);
! !
! return 0; ! return 0;
} }
void func(int *a, int n) { __global__ void func(int *a, int n) {
! int i; ! int i;
! i = blockIdx.x * blockDim.x +
threadIdx.x;
!
! for (i = 0; i < n; i++) { ! if (i < n) {
! ! a[i] = i; ! ! a[i] = i;
! } ! }
} }

64. C言語コード CUDAコード
#include <stdio.h> #include <stdio.h>
int main() { int main() {
! int n, *a; ! int n, *cpu_a, *gpu_a;
! n = 100; ! n = 100;
! a = (int *)malloc(n); ! cpu_a = (int *)malloc(n);
! cudaMalloc((void **)&gpu_a, n);
! !
! func(a, n); ! func<<<3, 32>>>(gpu_a, n);
! cudaMemcpy(cpu_a, gpu_a, n,
cudaMemcpyDeviceToHost);
! !
! return 0; ! return 0;
} }
void func(int *a, int n) { __global__ void func(int *a, int n) {
! int i; ! int i;
! i = blockIdx.x * blockDim.x +
threadIdx.x;
!
! for (i = 0; i < n; i++) { ! if (i < n) {
! ! a[i] = i; ! ! a[i] = i;
! } ! }
} }

65. C言語コード CUDAコード
#include <stdio.h> #include <stdio.h>
int main() { int main() {
! int n, *a; ! int n, *cpu_a, *gpu_a;
! n = 100; ! n = 100;
! a = (int *)malloc(n); ! cpu_a = (int *)malloc(n);
! cudaMalloc((void **)&gpu_a, n);
! !
! func(a, n); ! func<<<3, 32>>>(gpu_a, n);
! cudaMemcpy(cpu_a, gpu_a, n,
cudaMemcpyDeviceToHost);
! !
! return 0; ! return 0;
} }
void func(int *a, int n) { __global__ void func(int *a, int n) {
! int i; ! int i;
! i = blockIdx.x * blockDim.x +
threadIdx.x;
!
! for (i = 0; i < n; i++) { ! if (i < n) {
! ! a[i] = i; ! ! a[i] = i;
! } ! }
} }

66. C言語コード CUDAコード
#include <stdio.h> #include <stdio.h>
int main() { int main() {
! int n, *a; ! int n, *cpu_a, *gpu_a;
! n = 100; ! n = 100;
! a = (int *)malloc(n); ! cpu_a = (int *)malloc(n);
! cudaMalloc((void **)&gpu_a, n);
! !
! func(a, n); ! func<<<3, 32>>>(gpu_a, n);
! cudaMemcpy(cpu_a, gpu_a, n,
cudaMemcpyDeviceToHost);
! !
! return 0; ! return 0;
} }
void func(int *a, int n) { __global__ void func(int *a, int n) {
! int i; ! int i;
! i = blockIdx.x * blockDim.x +
threadIdx.x;
!
! for (i = 0; i < n; i++) { ! if (i < n) {
! ! a[i] = i; ! ! a[i] = i;
! } ! }
} }

67. C言語コード CUDAコード
#include <stdio.h> #include <stdio.h>
int main() { int main() {
! int n, *a; ! int n, *cpu_a, *gpu_a;
! n = 100; ! n = 100;
! a = (int *)malloc(n); ! cpu_a = (int *)malloc(n);
! cudaMalloc((void **)&gpu_a, n);
! !
! func(a, n); ! func<<<3, 32>>>(gpu_a, n);
! cudaMemcpy(cpu_a, gpu_a, n,
cudaMemcpyDeviceToHost);
! !
! return 0; ! return 0;
} }
void func(int *a, int n) { __global__ void func(int *a, int n) {
! int i; ! int i;
! i = blockIdx.x * blockDim.x +
threadIdx.x;
!
! for (i = 0; i < n; i++) { ! if (i < n) {
! ! a[i] = i; ! ! a[i] = i;
! } ! }
} }

68. PIV解析実行時間比較
90 sec
60 sec
30 sec
i:24; w: 24 i:32; w:32 i:48; w:48
i: 16; w: 16

69. PIV解析実行時間比較
90 sec C言語（Intel Core 2 Duo P8400 2.26GHz）
60 sec
30 sec
i:24; w: 24 i:32; w:32 i:48; w:48
i: 16; w: 16

70. PIV解析実行時間比較
90 sec C言語（Intel Core 2 Duo P8400 2.26GHz）
60 sec
30 sec C言語（Intel Core i5 2400s 2.5GHz）
i:24; w: 24 i:32; w:32 i:48; w:48
i: 16; w: 16

71. PIV解析実行時間比較
90 sec C言語（Intel Core 2 Duo P8400 2.26GHz）
60 sec
30 sec C言語（Intel Core i5 2400s 2.5GHz）
CUDA（Nvidia GeForce GTX 560 Ti）
i:24; w: 24 i:32; w:32 i:48; w:48
i: 16; w: 16

72. 倍以上の速さ
※Core i5の実行速度より

73. 3
倍以上の速さ
※Core i5の実行速度より

74. 3
倍以上の速さ
※Core i5の実行速度より
※最適化無し

75. 300
倍以上の速さ
※Core i5の実行速度より
※最適化した場合の予想値

76. CUDAを用いた場合のPIV解析時間
0 sec 10 sec 20 sec 30 sec 40 sec 50 sec
2枚
30枚
現在値 予想値
※画像サイズ：1024×1024；検査領域：48×48；探査領域：24×24

77. CUDAを用いた場合のPIV解析時間
0 sec 10 sec 20 sec 30 sec 40 sec 50 sec
2.75 sec
2枚
30枚
現在値 予想値
※画像サイズ：1024×1024；検査領域：48×48；探査領域：24×24

78. CUDAを用いた場合のPIV解析時間
0 sec 10 sec 20 sec 30 sec 40 sec 50 sec
2.75 sec
2枚
0.03 sec
30枚
現在値 予想値
※画像サイズ：1024×1024；検査領域：48×48；探査領域：24×24

79. CUDAを用いた場合のPIV解析時間
0 sec 10 sec 20 sec 30 sec 40 sec 50 sec
2.75 sec
2枚
0.03 sec
41.25 sec
30枚
現在値 予想値
※画像サイズ：1024×1024；検査領域：48×48；探査領域：24×24

80. CUDAを用いた場合のPIV解析時間
0 sec 10 sec 20 sec 30 sec 40 sec 50 sec
2.75 sec
2枚
0.03 sec
41.25 sec
30枚
0.41 sec
現在値 予想値
※画像サイズ：1024×1024；検査領域：48×48；探査領域：24×24

81. CUDAを用いた場合のPIV解析時間
0 sec 10 sec 20 sec 30 sec 40 sec 50 sec
2.75 sec
2枚
0.03 sec
41.25 sec
30枚
0.41 sec
現在値 予想値
30枚を処理するのに1秒以下
※画像サイズ：1024×1024；検査領域：48×48；探査領域：24×24

82. フレームレートより
速い解析スピード

84. リアルタイムレンダリング

85. 解析スタイルを
大きく変える
リアルタイムレンダリング

86. 今後の課題

87. 今後の課題
• PIV（OCC）プログラムの改良

88. 今後の課題
• PIV（OCC）プログラムの改良
• リアルタイムレンダリング（理想）

89. !ank y"