收藏
下载资源下载资源 加入VIP,免费下载

perflab实验报告DOC.docx

上传人：b****6 文档编号：8585588 上传时间：2023-01-31 格式：DOCX 页数：15 大小：113.54KB
下载 相关 举报
perflab实验报告DOC.docx_第1页
第1页 / 共15页
perflab实验报告DOC.docx_第2页
第2页 / 共15页
perflab实验报告DOC.docx_第3页
第3页 / 共15页
perflab实验报告DOC.docx_第4页
第4页 / 共15页
perflab实验报告DOC.docx_第5页
第5页 / 共15页
点击查看更多>>
下载资源
资源描述

perflab实验报告DOC.docx

《perflab实验报告DOC.docx》由会员分享，可在线阅读，更多相关《perflab实验报告DOC.docx（15页珍藏版）》请在冰豆网上搜索。

perflab实验报告DOC.docx

perflab实验报告DOC

 

课程实验报告

 

课程名称：

计算机组成与结构

实验项目名称：

perflab-handout

专业班级：

姓名：

学号：

********

完成时间：

2016年5月27日

 

信息科学与工程学院

实验题目：

perflab程序性能调优

实验目的：

理解编译器，学习程序优化，从优化程序代码和程序执行速度两方面着手。

实验要求：

本次实验，要求针对每个函数、每个人均至少写出3种优化版本、并根据driver报告的结果进行性能分析

实验环境:

ubuntu-15.10、x32系统、VMwareworkstation

实验内容及操作步骤：

         将下载下来的kernels.c中的rotate、smooth函数进行优化。

 rotate函数的作用是将图像逆时针旋转90°，smooth函数的作用是对于图像中的每一个像素点，取它和周围的像素点的平均值，让图片变得模糊。

下面对代码进行逐一优化。

源代码的CPE测试：

1.Naive_rotate

1）源代码:

charnaive_rotate_descr[]="naive_rotate:

Naivebaselineimplementation";

voidnaive_rotate（intdim,pixel*src,pixel*dst）

{

inti,j;

for（i=0;i

for（j=0;j

dst[RIDX（dim-1-j,i,dim）]=src[RIDX（i,j,dim）];

}

2）分析：

这段代码的作用就是用一个双层循环将所有的像素进行行列调位、导致整幅图画进行了90度旋转。

然而分析一下代码就能发现一个十分简单的优化方法：

因为在最内层循环中，j的值每次都会改变，所以每执行一次赋值就要计算一次dim-1-j，算多了自然就慢了。

我们可以利用简单的数学技巧改写公式，将赋值语句改成dst[RIDX（i,j,dim）]=src[RIDX（j,dim-i-1,dim）];这样就不用每次都计算了。

3）优化代码1如下：

charnaive_rotate_descr2[]="naive_rotate2:

onlychangetheplaceofiandj";

voidnaive_rotate2（intdim,pixel*src,pixel*dst）

{

inti,j;

for（i=0;i

for（j=0;j

dst[RIDX（i,j,dim）]=src[RIDX（j,dim-i-1,dim）];//ichangeless

}

优化结果如下：

这是一种最为简单的优化方案，由图可知，速度提升不大，性能优化结果也不是很好。

再分析源代码，从cache友好性来分析，这个代码的效率机会很低，所以按照cache的大小，应在存储的时候进行32个像素依次存储（列存储）。

做到cache友好这样就可以可以大幅度提高效率。

4）优化代码2如下：

charrotate_descr2[]="rotate2:

version2 break into 4*4 blocks";

voidrotate2（intdim,pixel*src,pixel*dst）

{

inti,j,ii,jj;

for（ii=0;ii

for（jj=0;jj

for（i=ii;i

for（j=jj;j

dst[RIDX（dim-1-j,i,dim）]=src[RIDX（i,j,dim）];

}

优化结果如下：

用分块的方式，进行优化。

将整个程序分成4*4的小块，提高空间局部性

5）优化代码3如下：

charrotate_descr3[]="rotate3:

version3breakinto32*32blocks";

voidrotate3（intdim,pixel*src,pixel*dst）

{

inti,j,ii,jj;

for（ii=0;ii

for（jj=0;jj

for（i=ii;i

for（j=jj;j

dst[RIDX（dim-1-j,i,dim）]=src[RIDX（i,j,dim）];

}

优化结果如下：

分成32*32块，提高空间局部性

6）优化代码4如下：

charrotate_descr4[]="rotate4:

Currentworkingversion,usingpointerratherthancomputingaddress";

voidrotate4（intdim,pixel*src,pixel*dst）

{

inti;

intj;

inttmp1=dim*dim;

inttmp2=dim*31;

inttmp3=tmp1-dim;

inttmp4=tmp1+32;

inttmp5=dim+31;

dst+=tmp3;

for（i=0;i

{

for（j=0;j

{

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

dst++;src+=dim;

*dst=*src;

src++;

src-=tmp2;

dst-=tmp5;

}

src+=tmp2;

dst+=tmp4;

}

}

优化结果如下：

用循环展开，分成32路并行来写

2.Naive_smooth

1）源代码

charnaive_smooth_descr[]="naive_smooth:

Naivebaselineimplementation";

voidnaive_smooth（intdim,pixel*src,pixel*dst）

{

inti,j;

for（i=0;i

for（j=0;j

dst[RIDX（i,j,dim）]=avg（dim,i,j,src）;

}

CPES性能如下：

2）分析

这段代码很多次地调用avg函数，而avg函数内也频繁调用initialize_pixel_sum、accumulate_sum、assign_sum_to_pixel这几个函数，且含有2层for循环。

虽然会以损害程序的模块性为代价，但消除函数调用的时间开销，得到的代码运行速度会快得多。

所以，需要改写代码，不调用avg函数。

3）优化代码1如下：

charsmooth_descr1[]="smooth1:

withlessfunccallandgrosslysimplifiedcalculationforcentralparts";

voidsmooth1（intdim,pixel*src,pixel*dst）

{

inti,j,ii,jj;

pixel_sumsum;

pixelcurrent_pixel,cp;

for（j=0;j

{

dst[RIDX（0,j,dim）]=avg（dim,0,j,src）;

dst[RIDX（dim-1,j,dim）]=avg（dim,dim-1,j,src）;

}

for（i=0;i

{

dst[RIDX（i,0,dim）]=avg（dim,i,0,src）;

dst[RIDX（i,dim-1,dim）]=avg（dim,i,dim-1,src）;

}

for（i=1;i

for（j=1;j

{

sum.red=sum.green=sum.blue=0;

for（ii=max（i-1,0）;ii<=min（i+1,dim-1）;ii++）

for（jj=max（j-1,0）;jj<=min（j+1,dim-1）;jj++）

{

cp=src[RIDX（ii,jj,dim）];

sum.red+=cp.red;

sum.green+=cp.green;

sum.blue+=cp.blue;

}

current_pixel.red=sum.red/9;

current_pixel.green=sum.green/9;

current_pixel.blue=sum.blue/9;

dst[RIDX（i,j,dim）]=current_pixel;

}

}

优化结果如下：

4）优化代码2如下：

charsmooth_descr2[]="smooth2:

testversion";

voidsmooth2（intdim,pixel*src,pixel*dst）

{

inti,j;

//nousingavg（）

//cornersdst[RIDX（0,0,dim）].red=（src[RIDX（0,0,dim）].red+src[RIDX（1,0,dim）].red+src[RIDX（0,1,dim）].red+src[RIDX（1,1,dim）].red）>>2;

dst[RIDX（0,0,dim）].blue=（src[RIDX（0,0,dim）].blue+src[RIDX（1,0,dim）].blue+src[RIDX（0,1,dim）].blue+src[RIDX（1,1,dim）].blue）>>2;

dst[RIDX（0,0,dim）].green=（src[RIDX（0,0,dim）].green+src[RIDX（1,0,dim）].green+src[RIDX（0,1,dim）].green+src[RIDX（1,1,dim）].green）>>2;

dst[RIDX（0,dim-1,dim）].red=（src[RIDX（0,dim-1,dim）].red+src[RIDX（1,dim-1,dim）].red+src[RIDX（0,dim-2,dim）].red+src[RIDX（1,dim-2,dim）].red）>>2;

dst[RIDX（0,dim-1,dim）].blue=（src[RIDX（0,dim-1,dim）].blue+src[RIDX（1,dim-1,dim）].blue+src[RIDX（0,dim-2,dim）].blue+src[RIDX（1,dim-2,dim）].blue）>>2;

dst[RIDX（0,dim-1,dim）].green=（src[RIDX（0,dim-1,dim）].green+src[RIDX（1,dim-1,dim）].green+src[RIDX（0,dim-2,dim）].green+src[RIDX（1,dim-2,dim）].green）>>2;

dst[RIDX（dim-1,0,dim）].red=（src[RIDX（dim-1,0,dim）].red+src[RIDX（dim-2,0,dim）].red+src[RIDX（dim-1,1,dim）].red+src[RIDX（dim-2,1,dim）].red）>>2;

dst[RIDX（dim-1,0,dim）].blue=（src[RIDX（dim-1,0,dim）].blue+src[RIDX（dim-2,0,dim）].blue+src[RIDX（dim-1,1,dim）].blue+src[RIDX（dim-2,1,dim）].blue）>>2;dst[RIDX（dim-1,0,dim）].green=（src[RIDX（dim-1,0,dim）].green+src[RIDX（dim-2,0,dim）].green+src[RIDX（dim-1,1,dim）].green+src[RIDX（dim-2,1,dim）].green）>>2;

dst[RIDX（dim-1,dim-1,dim）].red=（src[RIDX（dim-1,dim-1,dim）].red+src[RIDX（dim-1,dim-2,dim）].red+src[RIDX（dim-2,dim-1,dim）].red+src[RIDX（dim-2,dim-2,dim）].red）>>2;

dst[RIDX（dim-1,dim-1,dim）].blue=（src[RIDX（dim-1,dim-1,dim）].blue+src[RIDX（dim-1,dim-2,dim）].blue+src[RIDX（dim-2,dim-1,dim）].blue+src[RIDX（dim-2,dim-2,dim）].blue）>>2;

dst[RIDX（dim-1,dim-1,dim）].green=（src[RIDX（dim-1,dim-1,dim）].green+src[RIDX（dim-1,dim-2,dim）].green+src[RIDX（dim-2,dim-1,dim）].green+src[RIDX（dim-2,dim-2,dim）].green）>>2;

//boarder

for（i=1;i

{

dst[RIDX（i,0,dim）].red=（src[RIDX（i,0,dim）].red+src[RIDX（i-1,0,dim）].red+src[RIDX（i-1,1,dim）].red+src[RIDX（i,1,dim）].red+src[RIDX（i+1,0,dim）].red+src[RIDX（i+1,1,dim）].red）/6;

dst[RIDX（i,0,dim）].blue=（src[RIDX（i,0,dim）].blue+src[RIDX（i-1,0,dim）].blue+src[RIDX（i-1,1,dim）].blue+src[RIDX（i,1,dim）].blue+src[RIDX（i+1,0,dim）].blue+src[RIDX（i+1,1,dim）].blue）/6;

dst[RIDX（i,0,dim）].green=（src[RIDX（i,0,dim）].green+src[RIDX（i-1,0,dim）].green+src[RIDX（i-1,1,dim）].green+src[RIDX（i,1,dim）].green+src[RIDX（i+1,0,dim）].green+src[RIDX（i+1,1,dim）].green）/6;

}

for（i=1;i

{

dst[RIDX（i,dim-1,dim）].red=（src[RIDX（i,dim-1,dim）].red+src[RIDX（i-1,dim-1,dim）].red+src[RIDX（i-1,dim-2,dim）].red+src[RIDX（i,dim-2,dim）].red+src[RIDX（i+1,dim-1,dim）].red+src[RIDX（i+1,dim-2,dim）].red）/6;

dst[RIDX（i,dim-1,dim）].blue=（src[RIDX（i,dim-1,dim）].blue+src[RIDX（i-1,dim-1,dim）].blue+src[RIDX（i-1,dim-2,dim）].blue+src[RIDX（i,dim-2,dim）].blue+src[RIDX（i+1,dim-1,dim）].blue+src[RIDX（i+1,dim-2,dim）].blue）/6;

dst[RIDX（i,dim-1,dim）].green=（src[RIDX（i,dim-1,dim）].green+src[RIDX（i-1,dim-1,dim）].green+src[RIDX（i-1,dim-2,dim）].green+src[RIDX（i,dim-2,dim）].green+src[RIDX（i+1,dim-1,dim）].green+src[RIDX（i+1,dim-2,dim）].green）/6;

}

for（j=1;j

{

dst[RIDX（0,j,dim）].red=（src[RIDX（0,j,dim）].red+src[RIDX（0,j-1,dim）].red+src[RIDX（1,j-1,dim）].red+src[RIDX（1,j,dim）].red+src[RIDX（0,j+1,dim）].red+src[RIDX（1,j+1,dim）].red）/6;

dst[RIDX（0,j,dim）].blue=（src[RIDX（0,j,dim）].blue+src[RIDX（0,j-1,dim）].blue+src[RIDX（1,j-1,dim）].blue+src[RIDX（1,j,dim）].blue+src[RIDX（0,j+1,dim）].blue+src[RIDX（1,j+1,dim）].blue）/6;

dst[RIDX（0,j,dim）].green=（src[RIDX（0,j,dim）].green+src[RIDX（0,j-1,dim）].green+src[RIDX（1,j-1,dim）].green+src[RIDX（1,j,dim）].green+src[RIDX（0,j+1,dim）].green+src[RIDX（1,j+1,dim）].green）/6;

}

for（j=1;j

{

dst[RIDX（dim-1,j,dim）].red=（src[RIDX（dim-1,j,dim）].red+src[RIDX（dim-1,j+1,dim）].red+src[RIDX（dim-1,j-1,dim）].red+src[RIDX（dim-2,j,dim）].red+src[RIDX（dim-2,j+1,dim）].red+src[RIDX（dim-2,j-1,dim）].red）/6;

dst[RIDX（dim-1,j,dim）].blue=（src[RIDX（dim-1,j,dim）].blue+src[RIDX（dim-1,j+1,dim）].blue+src[RIDX（dim-1,j-1,dim）].blue+src[RIDX（dim-2,j,dim）].blue+src[RIDX（dim-2,j+1,dim）].blue+src[RIDX（dim-2,j-1,dim）].blue）/6;

dst[RIDX（dim-1,j,dim）].green=（src[RIDX（dim-1,j,dim）].green+src[RIDX（dim-1,j+1,dim）].green+src[RIDX（dim-1,j-1,dim）].green+src[RIDX（dim-2,j,dim）].green+src[RIDX（dim-2,j+1,dim）].green+src[RIDX（dim-2,j-1,dim）].green）/6;

}

//common

for（i=1;i

for（j=1;j

dst[RIDX（i,j,dim）].red=（src[RIDX（i,j,dim）].red+src[RIDX（i+1,j,dim）].red+src[RIDX（i-1,j,dim）].red+src[RIDX（i,j-1,dim）].red+src[RIDX（i+1,j-1,dim）].red+src[RIDX（i-1,j-1,dim）].red+src[RIDX（i,j+1,dim）].red+src[RIDX（i+1,j+1,dim）].red+src[RIDX（i-1,j+1,dim）].red）/9;

dst[RIDX（i,j,dim）].blue=（src[RIDX（i,j,dim）].blue+src[RIDX（i+1,j,dim）].blue+src[RIDX（i-1,j,dim）].blue+src[RIDX（i,j-1,dim）].blue+src[RIDX（i+1,j-1,dim）].blue+src[RIDX

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置：首页 > 党团工作 > 入党转正申请

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1