![閉じる [x]](http://dw1.s81c.com/i/c.gif){kind=small}
本稿では、ALFを使って2つの大きな行列の和を計算します。問題は簡潔にこう表現できます。
A[m,n] + B[m,n] = C[m,n]
ここで、mとnは行列の各次元です。
ホストデータ分割およびアクセラレータデータ分割のどちらも考慮したこの単純な例を用いて、以下の方法について説明します：
- ALFランタイム環境を開始する。
- タスクデスクリプタを使う。
- アクセラレータ上でタスクを開始する。
- ワークブロックを作成しタスクに追加する。
- ALFランタイム環境を正しく終了する。
この例をひな形として、もっと複雑なアプリケーションを作ることができるでしょう。
この例では、ホストアプリケーションは以下のことを行います：
- ALFランタイム環境を初期化する。
- タスクデスクリプタを作成する。
- そのタスクデスクリプタに基づいたタスクを作成する。
- アクセラレータ上の計算カーネルの実行を行うための適切なデータ転送リストを考えて、ワークブロックを作成する。
- 計算カーネルの完了を待機し、終了する。
アクセラレータアプリケーションには、2つの行列の和を計算するシンプルな計算カーネルを実装します。単一プロセッサのコンピュータで2つの行列の和を計算するスカラーコードは次のようになります。
float mat_a[NUM_ROW][NUM_COL];
float mat_b[NUM_ROW][NUM_COL];
float mat_c[NUM_ROW][NUM_COL];
int main(void)
{
int i,j;
for (i=0; i<NUM_ROW; i++)
for (j=0; j<NUM_COL; j++)
mat_c[i][j] = mat_a[i][j] + mat_b[i][j];
return 0;
}
|
以降のコードリストは説明に関連のある部分だけを示します。リスト全体を見るには、ALFのサンプルディレクトリmatrix_add/STEP1a_partition_scheme_A/common/host_partitionを参照してください。
ALFのホストプログラムは以下のセクションに分けて考えられます。
- 初期化
- タスクのセットアップ
- ワークブロックのセットアップ
- タスクの待機と終了
以下のコードは、どのようにALFを初期化するのか、そしてどのようにアクセラレータを特定のALFランタイムにアロケートするかを示しています。
alf_handle_t alf_handle; unsigned int nodes; /* initializes the runtime environment for ALF */ alf_init(&config_parms, &alf_handle); /* get the number of SPE accelerators available for from the Opteron */ rc = alf_query_system_info(alf_handle, ALF_QUERY_NUM_ACCEL, ALF_ACCEL_TYPE_SPE, &nodes); /* set the total number of accelerator instances (in this case, SPE) */ /* the ALF runtime will have during its lifetime */ rc = alf_num_instances_set (alf_handle, nodes); |
ALFホストプログラムのこのセクションでは、タスクの設定とタスクランタイムの作成を行っています。
alf_task_desc_create 関数はタスクデスクリプタを作成します。このデスクリプタを使用して異なる実行可能タスクを複数作ることもできます。alf_task_create関数でspe_add_programという名前のSPEプログラムを実行するタスクを作成しています。
/* variable declarations */ alf_task_desc_handle_t task_desc_handle; alf_task_handle_t task_handle; const char* spe_image_name; const char* library_path_name; const char* comp_kernel_name; /* describing a task that's executable on the SPE*/ alf_task_desc_create(alf_handle, ALF_ACCEL_TYPE_SPE, &task_desc_handle); alf_task_desc_set_int32(task_desc_handle, ALF_TASK_DESC_TSK_CTX_SIZE, 0); alf_task_desc_set_int32(task_desc_handle, ALF_TASK_DESC_WB_PARM_CTX_BUF_SIZE, sizeof(add_parms_t)); alf_task_desc_set_int32(task_desc_handle, ALF_TASK_DESC_WB_IN_BUF_SIZE, H * V * 2 sizeof(float)); alf_task_desc_set_int32(task_desc_handle, ALF_TASK_DESC_WB_OUT_BUF_SIZE, H * V * sizeof(float)); alf_task_desc_set_int32(task_desc_handle, ALF_TASK_DESC_NUM_DTL_ENTRIES, 8); alf_task_desc_set_int32(task_desc_handle, ALF_TASK_DESC_MAX_STACK_SIZE, 4096); /* providing the SPE executable name */ alf_task_desc_set_int64(task_desc_handle, ALF_TASK_DESC_ACCEL_IMAGE_REF_L,(unsigned long long) spe_image_name); alf_task_desc_set_int64(task_desc_handle, ALF_TASK_DESC_ACCEL_LIBRARY_REF_L,(unsigned long) library_path_name); alf_task_desc_set_int64(task_desc_handle, ALF_TASK_DESC_ACCEL_KERNEL_REF_L,(unsigned long) comp_kernel_name); |
このセクションではどうやってワークブロックを作成するかを説明しています。プログラムはワークブロックを作成した後、入力と出力を各ワークブロックに対応付けます。各ワークブロックへは、入力行列のうちmatrix[row][0]から始まるサイズH * Vのブロックの内容を記述しています。HとVはブロックの水平方向および垂直方向の次元を表しています。
この例では、アクセラレータのメモリにH * V要素の入力行列を2つ、H * V要素の出力行列を1つ格納できることを想定しています。プログラムはalf_wb_enqueue()関数を呼び、ワークブロックをキューに追加して処理させます。ALFは即時ランタイムモードを採用しています。最初のワークブロックがキューに追加されたらすぐにタスクはワークブロックの処理を開始します。alf_task_finalize関数でワークブロックのキューイングを終了します。
alf_wb_handle_t wb_handle;
add_parms_t parm __attribute__((aligned(128)));
parm.h = H; /* horizontal size of the block */
parm.v = V; /* vertical size of the block */
/* creating work blocks and adding parameter & io buffer */
for (i = 0; i < NUM_ROW; i += H) {
alf_wb_create(task_handle, ALF_WB_SINGLE, 0,&wb_handle);
/* begins a new Data Transfer List for INPUT */
alf_wb_dtl_set_begin(wb_handle, ALF_BUF_IN, 0);
/* Add H*V element of mat_a as Input */
alf_wb_dtl_set_entry_add(wb_handle, &matrix_a[i][0], H * V, ALF_DATA_FLOAT);
/* Add H*V element of mat_b as Input */
alf_wb_dtl_set_entry_add(wb_handle, &matrix_b[i][0], H * V, ALF_DATA_FLOAT);
alf_wb_dtl_set_end(wb_handle);
/* begins a new Data Transfer List OUTPUT */
alf_wb_dtl_set_begin(wb_handle, ALF_BUF_OUT, 0);
/* Add H*V element of mat_c as Output */
alf_wb_dtl_set_entry_add(wb_handle, &matrix_c[i][0], H * V, ALF_DATA_FLOAT);
alf_wb_dtl_set_end(wb_handle);
/* pass parameters H and V to spu */
alf_wb_parm_add(wb_handle, (void *) (&parm), sizeof(parm), ALF_DATA_BYTE, 0);
/* enqueuing work block */
alf_wb_enqueue(wb_handle);
}
alf_task_finalize(task_handle);
|
全てのワークブロックが処理キューに追加されたら、プログラムはアクセラレータがワークブロックの処理を完了するのを待ちます。そしてalf_exit()を呼びだして、ALFランタイム環境の後片付けと終了を行います。
/* waiting for all work blocks to be done*/ alf_task_wait(task_handle, -1); /* exit ALF runtime */ alf_exit(alf_handle, ALF_EXIT_WAIT, -1); |
アクセラレータ側では、実際に2つの行列の和を計算する計算カーネルを用意する必要があります。アクセラレータ側のALFランタイムは、ユーザが準備したalf_accel_comp_kernel関数を呼び出す前に、入力バッファをアクセラレータのメモリに読み込みます。alf_accel_comp_kernelから戻った後は、ALFランタイムは出力データをホストのメモリ空間に戻します。
ダブルバッファリングまたはトリプルバッファリングを適切に適用することで、入力バッファがアクセラレータメモリに書き込まれるまでのレイテンシおよび出力バッファがホストメモリ空間に書き込まれるまでのレイテンシを計算によって良く覆い隠せるようになっています。
int alf_accel_comp_kernel(void *p_task_context,
void *p_parm_context,
void *p_input_buffer,
void *p_output_buffer,
void *p_inout_buffer,
unsigned int current_count,
unsigned int total_count)
{
unsigned int i, cnt;
vector float *sa, *sb, *sc;
add_parms_t *p_parm = (add_parms_t *)p_parm_context;
cnt = p_parm->h * p_parm->v / 4;
sa = (vector float *) p_input_buffer;
sb = sa + cnt;
sc = (vector float *) p_output_buffer;
for (i = 0; i < cnt; i += 4) {
sc[i] = spu_add(sa[i], sb[i]);
sc[i + 1] = spu_add(sa[i + 1], sb[i + 1]);
sc[i + 2] = spu_add(sa[i + 2], sb[i + 2]);
sc[i + 3] = spu_add(sa[i + 3], sb[i + 3]);
}
return 0;
}
|
トリックのようですね。本当に終わりなんです。ワークブロックの作成を除けば、ホストのコードは変更ありません。おっと、まだありました。アクセラレータデータ分割を使用することをタスクデスクリプタに設定する必要があります。alf_accel_input_dtl_prepare関数とalf_accel_output_dtl_prepare関数の実装が必要です。
このサンプルの完全なソースコードは、ALFサンプルディレクトリのmatrix_add/common/accel_partitioningを参照してください。
学ぶために
- RSS feedを使って、このシリーズの更新をチェックしましょう。(
developerWorks Japan RSS フィードについてはこちら.)
- この記事の解説に使われたソースはAccelerated Library Framework for Cell Broadband Engine Programmer's Guide and API Referenceを参照してください。
- Fun with ALF seriesの他の記事もチェックしましょう。
- これらの簡単に読めるALF関連ガイドも見てみましょう：
- "Introducing ALF."
- "10 major ALF concepts."
- "Programming with ALF: Basic ALF application structure."
- "Programming with ALF: Double buffering."
- "Programming with ALF: Handling ALF constraints."
- "Programming with ALF: Optimizing ALF applications."
- "ALF and hybrid x86."
- もっとCell/B.E. プログラミングを学ぶには、次のdeveloperWorksシリーズに挑戦しましょう：
- "Programming high-performance applications on the Cell/B.E. processor"
- "PS3 fab-to-lab"
- "The little broadband engine that could"
- The IBM Semiconductor Solutions Technical Library Cell Broadband Engine documentation セクションには、ダウンロードマニュアルや、仕様書などたくさんの有益な情報があります。
- developerWorks ニュースレターに登録すると、最新の開発者向けニュースと Cell/B.E. に関する最新情報を毎週メールで受け取れます。ニュースレターで Cell/B.E. 関連のニュースを受信するには、登録する際に Power Architecture® にチェック・マークを付けてください。
製品や技術を入手するために
- 全ての Cell/B.E. 情報 --関連記事、ディスカッションフォーラム、CellSDK、その他のダウンロード-- は IBM developerWorks の Cell Broadband Engine resource center にあります。
- Cell/B.E. を手に入れるにはこちら: IBM ディープ・コンピューティング | Cell/B.E ブレード
- Cell/B.E.のカスタム製品のお問い合わせはこちら: Contact us about Cell Broadband Engine technology.
- IBM SDK for Multicore Acceleration 3.0を入手しましょう。また、Cell/B.E. 資料のライブラリーにも情報が網羅されています。
議論するために
- ディスカッション・フォーラムに参加してください。
- 質問はIBM developerWorks Power Architecture Cell Broadband Engine discussion forum へ投稿してください。フォーラムに投稿された興味深い問題と答えは、定期的に集められたこちらの"Forum watch" ブログシリーズでハイライトされています。
- Cell Broadband Engine/Power Architecture ブログにアクセスして、Cell/B.E. やその他の Power Architecture 関連技術に関するニュース、ダウンロード、資料、イベント通知を参照してください。人気の高い「Forum watch」ブログ・シリーズ (Q&A 要約) と「FixIt」技術更新情報、それに Infobomb の技術要約も用意されています。
タグ
スライダーバーを使用することで、より多く（少なく）タグを表示します。
人気のタグは、この特定のコンテンツ・ゾーン（例えば、Java テクノロジー、Linux や WebSphere など）に対するトップのタグを表示します。
マイ・タグは、この特定のコンテンツ・ゾーン（例えば、Java テクノロジー、Linux や WebSphere など）に対するお客様ご自身のタグを表示します。
記事の人気タグ |
記事のマイ・タグタグ・リストへスキップ
記事の人気タグ |
記事のマイ・タグ