NVIDIA NPP

 

NVIDIA NPP

 

1. 簡介

 

NVIDIA Performance Primitives library (NPP) 是一系列為加速進程的庫函數，NPP的原始目標是針對圖像和視頻進程，而現在以被開發工程師應用於其它很多領域，包括信號處理。與同級別的純 CPU 函數相比，這些函數最高可實現5 - 10倍性能提升。利用NPP，開發者能夠利用 (CUDA 4.1中) 2000多個圖像處理與信號處理基元，在數小時之內即可實現應用程序的大幅性能提升。

無論用GPU加速的版本代替CPU基元還是將NPP基元與現有的GPU加速流水線相結合，NPP都能夠實現極高的性能，同時可縮短開發時間。

2. 使用方法

 

2.1 文件

 

其中在安裝了CUDA工具包后，默認會安裝NPP library相關的頭文件和庫文件。

1) 頭文件

其中所有的.h文件都安裝在CUDA Toolkit目錄的include文件下，其中有：

• nppdefs.h
• nppcore.h
• nppi.h
• npps.h
• nppversion.h
• npp.h

2) 庫文件

從NPP 5.5版本開始，將所有的庫文件分為了三個獨立文件：

• NPPC：這個庫是個core library，主要包含了來自npp.h頭文件的的函數，其中該庫還被其它兩個庫所共享；
• NPPI：這個庫是為image Processing所提供的功能，    該庫提供的函數是來自nppi.h頭文件中所聲明的。
• NPPS：這個庫是為signal processing所提供的功能，該庫提供的函數是來自npps.h頭文件中所聲明的。

若安裝了CUDA Toolkit后，其安裝目錄是在lib目錄下，在Linux下有如圖 1所示的動態和靜態文件。

圖 1

 

2.2 編譯方式

 

由於NPP提供靜態和動態庫文件，所以它有兩種編譯方式，其中若在Linux中有foo.c程序，則兩種編譯方式為:

• 動態編譯

  nvcc foo.c -lnppi -o foo

• 靜態編譯

  nvcc foo.c -lnppi_static -lculibos -o foo

 

2.3 API使用方式

 

對於NPP提供了API的操作內存空間是在device上的，所以不能將這些API應用於host中，但可以在host函數中調用。同時在NPP項目中需要添加include和library所需要的目錄。

• 一般情況下需要添加cuda tookit的include目錄，默認是：/usr/local/cuda-7.0/include；
• 對於library的文件，一般需要culibs和nppc_static兩個庫，其它庫則根據需要添加。

   
                1 #include <npp.h>  
               
   
                2  
               
   
                3 __global__  
               void testCudaFun(Npp8u *pDst, 
               int num_types){  
               
   
                4  
               
   
                5      
               for ( 
               int i =  
               0; i < num_types; i++){  
               
   
                6  
               
   
                7         printf( 
               " 
               %d:%d\n 
               ",i,pDst[i]);  
               
   
                8  
               
   
                9     }  
               
   
               10  
               
   
               11 }  
               
   
               12  
               
   
               13  
               int main( 
               void){  
               
   
               14  
               
   
               15      
               const  
               int num_types =  
               2* 
               sizeof(Npp8u);  
               
   
               16  
               
   
               17     Npp8u *host_pDst = (Npp8u*) 
               malloc(num_types);  
               
   
               18  
               
   
               19     Npp8u *dev_pDst = (Npp8u*)nppsMalloc_8u(num_types);  
               
   
               20  
               
   
               21      
               for( 
               int i= 
               0; i<num_types;i++)    {  
               
   
               22  
               
   
               23         host_pDst[i] = i;  
               
   
               24  
               
   
               25     }  
               
   
               26  
               
   
               27     cudaMemcpy(dev_pDst,host_pDst,num_types,cudaMemcpyHostToDevice);  
               
   
               28  
               
   
               29     testCudaFun<<< 
               1, 
               1>>>(dev_pDst,num_types);  
               
   
               30  
               
   
               31     checkCudaErrors(cudaDeviceSynchronize());  
               
   
               32  
               
   
               33      
               return  
               0;  
               
   
               34  
               
   
               35 }  
              

 

 

3. 功能

 

NPP針對Image Processing和Signal Processing兩種不同的目標，實現了兩套不同的API供使用。其中Image Processing是與圖像處理相關的API，而Signal Processing是與信號處理相關的API。

 

 

3.1 Image Processing

 

Arithmetic and Logical 操作

1) Arithmetic

這個系列的API主要是與圖形操作相關的算術運算，有AddC、Mul、MulC、MulScale、MulCScale、Sub、SubC    Div、DivC、Div_Round、AbsDiffC、Abs、Add、AbsDiff、AddSquare、Sqr、AddProduct、Sqrt、AddWeighted、Ln和Exp等函數。

2) Logical

Logical系列的是一個與邏輯操作相關的API，有AndC、OrC、XorC、RshiftC、LshiftC、And、Or、Xor和Not等函數。

3) Alpha

 

 

3.2 Signal processing

 

暫空