Базовый проект OpenCV + CUDA

[Smorodov 578]

Подготовительные операции (предполагается, что VC2008 уже установлен).

1) Установить комплект CUDA.

2) Установить cudavswizard2.0 (лежит здесь: http://sourceforge.net/projects/cudavswizard/)

3) Установть OpenCV (если еще не установлен)

4) Запускаем Visual Studio 2008 и создаем новый проект типа CUDAWinApp. (File->New->New project->слева выбираем CUDA-> CUDAWinApp)

5) Alt+F7 вызывается окошко свойств проекта. Выбрать конфигурацию Release. (Все конфигурации лучше настраивать по отдельности, а не выбирать AllConfigurations)

6) В этом окошке слева выбрать Linker->Input .

7) В строке с названием Additional Dependencies должно быть cudart.lib cutil32.lib cxcore.lib cv.lib highgui.lib, чего нет добавить.

8) Открыть Linker->General,список Additional Library Directories должен содержать:

$(CUDA_LIB_PATH)

$(NVSDKCUDA_ROOT)\common\lib

C:\Program Files\OpenCV\lib

9) Открываем CUDA ->General, список Additional Include Directories должен содержать:

$(CUDA_INC_PATH)

$(NVSDKCUDA_ROOT)\common\inc

C:\Program Files\OpenCV\cv\include

C:\Program Files\OpenCV\cxcore\include

C:\Program Files\OpenCV\otherlibs\highgui

10) Что за фигня, в .cu файле нет подсветки!!! (однако должно компилироваться)

11) Идем в “C:\Program Files\Microsoft Visual Studio 9.0\Common7\IDE\”.

12) Создаем (если не существует) файл “usertype.dat”.

13) Открываем “ Program files (или Program Data в vista)\NVIDIA Corporation\NVIDIA CUDA SDK\doc\syntax_highlighting\visual_studio_8\usertype.dat” и копируем его содержимое в недавно созданный файл.

14) Сохраняем файл.

15) Открываем IDE и идем Tools -> Options.

16) Открываем Text Editor -> File Extension tab, задаем расширение “cu” как новый тип файлов.

17) Перезапускаем IDE, наслаждаемся .

ЗЫ: Если у кого то стоит Касперский, то для успешной компиляции его лучше временно отключить, хотя откомпилированные программы работают нормально и с включенной защитой.

Файл с проектом (перед открытием выполнить пункты 1,2,3, 11-17 по желанию): CUDAWinApp2.rar

Проект просто находит границы.

Я специально в проекте так расточительно считаю, дабы показать на что можно расчитывать при использовании графического акселератора. Причем, полученное изображение можно обрабатывать дальше средствами OpenCV.

[Aldaris 0]

Поделитесь оценками в производительности =) на вашем GPU, CPU?

[Smorodov 578]

Поделитесь оценками в производительности =) на вашем GPU, CPU?

Время обработки одного кадра:

GPU Geforce8200 (встроенный) 0.05-0.06 ms

CPU Athlon x 2 5000 примерно 10 ms

Померять можно так:

   //До кода ставим:


   // Создаем и запускаем таймер

	unsigned int timer = 0;

	cutilCheckError(cutCreateTimer(&timer));

	cutilCheckError(cutStartTimer(timer));


//---------------------

// Измеряемый код

//---------------------


   // После кода ставим:


   // Останавливаем и освобождаем таймер

	cutilCheckError(cutStopTimer(timer));

	printf("Processing time: %f (ms) \n", cutGetTimerValue(timer));

	cutilCheckError(cutDeleteTimer(timer));[/code]

[mrgloom 242]

а где можно посмотреть еще примеры?

есть смысл ковырять какие то сторонние библиотеки типа GpuCV или из них все все равно плавно перетекает в opencv?

нашел небольшую статью на русском про сравнение скоростей.

http://agora.guru.ru/hpc-h/files/Using_GPU_for_computer_vision_in_OpenCV_library.pdf

там в конце еще ссылки на библиотеки.

[dasg 1]

Вот здесь можно скачать unit тест на базе Qt, который сравнивает производительность вычислений на CPU и GPU для некоторых функций OpenCV. У меня почему то CPU работает гораздо быстрее чем GPU. Мне всегда казалось, что видеокарта должна матрицы быстрее считать...

[Pavia00 32]

dasg. Мне бы ваши проблемы.

Давно интересует тест производительности OpenCV и GPU.

Cuda не пользуюсь так как карта AMD.

Но у меня на GPU Собель раз в 10 быстрее считался, правда эксперимент был не совсем чистым.

По поводу скорости. Зависит от процессора.

Ну вот считай CPU, у меня Core 2 Due T7500 2 ядра. Каждое ядро может обрабатывать одновременно 2 команды SSE. Каждая команда SSE имеет 4 блока данных(128/32; 32 бита берём float) а если брать не флоат, а слова 128/16=8 блоков данных.

Частота процессора 2.4 ГГц

Итого:2*2*4*2.4=38,4 операций/с

Видео карта, У меня ATI HD3470. 40 ядер каждое ядро содержит 5 алу. Но из этих 5 алу только четыре выполняют основные операции, а пятый считает сложные операции такие как Sin, sqrt. Каждое АЛУ работает над вектором из 4 чисел. Частота 680 МГц

Итого=40*4*4*0.680=435,2 операций/с

Видео карта Geforce 9600M GS. Число ядер 32 частота 1035 МГц каждое ядро способно выполнять кучу операций параллельно, примерно столько же сколько и ATI .

Итого 32*4*4*1.035=529,92 операций/с

[dasg 1]

У меня на Geforce 9600M GS OpenCV видит только 4 ядра. Тоже как-то странно.

[Nuzhny 243]

Не странно, а так и есть. Но! не "ядра", а "мультипроцессора", каждый из которых состоит из восьми простых процессоров. Подробности смотри в "NVIDIA CUDA Programming Guide", там есть таблица.