您现在的位置：程式碼之家 >> 編程語言 > >> C語言 >> C++ >> C++ 入門

C++ AMP 介紹（二）：array、array_view、extent 與平鋪優化

編輯：C++ 入門

數據容器：array vs array_view

特性	array<T, N>	array_view<T, N>
數據擁有權	擁有數據，構造時深拷貝到加速器	不擁有數據，僅包裝宿主端指針
數據傳輸時機	構造/賦值時立即上傳	核心函數首次訪問時按需上傳
同步回宿主	隱式（析構/同步調用）	需顯式 `synchronize()` 或析構時
適用場景	數據生命週期與加速器綁定，重複使用	臨時數據、避免不必要拷貝、多加速器共享

extent：N 維索引空間

extent<N> 表示 N 維空間的大小（如 extent<2>(height, width)）。
用於定義 parallel_for_each 的計算域、構造 array/array_view。
支持邊界檢查、切片（section()）、平鋪（tile()）。

平鋪優化

將計算域劃分為固定大小的平鋪（tile），每個平鋪映射到 GPU 的一個線程組（thread block），組內線程共享本地記憶體（共享內存），大幅減少全局內存訪問。

語法

parallel_for_each(extent<2>(H, W).tile<16,16>(),
    [=](tiled_index<16,16> idx) restrict(amp) {
    // idx.local: 平鋪內局部索引 (0..15, 0..15)
    // idx.global: 全局索引
    // idx.tile: 平鋪索引
    // tile_static 變量：共享內存，僅組內可見
    tile_static float shared[16][16];
    // 協作加載數據到共享內存
    // __syncthreads() 同步
    // 計算...
});

關鍵優勢

數據復用：共享內存加載一次，多線程復用（如矩陣乘法、卷積）。
合併訪問：線程組協作實現全局內存合併讀寫。
同步原語：tile_barrier::wait() 替代 __syncthreads()。

完整示例：矩陣乘法平鋪版

void MatrixMulTiled(array_view A, array_view B, array_view C) {
    const int TS = 16;
    parallel_for_each(C.extent.tile(),
        [=](tiled_index idx) restrict(amp) {
        int row = idx.global[0], col = idx.global[1];
        tile_static float As[TS][TS], Bs[TS][TS];
        float sum = 0;
        for (int t = 0; t < A.extent[1]; t += TS) {
            // 協作加載 A 的一塊、B 的一塊到共享內存
            As[idx.local[0]][idx.local[1]] = A(row, t + idx.local[1]);
            Bs[idx.local[0]][idx.local[1]] = B(t + idx.local[0], col);
            idx.barrier.wait();
            for (int k = 0; k < TS; k++)
                sum += As[idx.local[0]][k] * Bs[k][idx.local[1]];
            idx.barrier.wait();
        }
        C[idx.global] = sum;
    });
}