使用圖格

您可以使用並排將應用程式的加速最大化。 並排會將執行緒分割成相等的矩形子集或 磚 。 如果您使用適當的磚大小和並排演算法，您可以從 C++ AMP 程式碼取得更多加速。 並排的基本元件包括：

• tile_static 變數。 並排的主要優點是存取的 tile_static 效能提升。 記憶體中的資料 tile_static 存取速度比存取全域空間中的資料（ array 或 array_view 物件）快得多。 系統會為每個磚建立變數的 tile_static 實例，而磚中的所有線程都可以存取變數。 在典型的並排演算法中，資料會從全域記憶體複製到 tile_static 記憶體一次，然後從 tile_static 記憶體存取多次。

• tile_barrier：：wait 方法 。 呼叫 tile_barrier::wait 會暫停目前線程的執行，直到相同磚中的所有線程都到達 對 tile_barrier::wait 的呼叫為止。 您無法保證執行緒將執行的順序，只有磚中沒有任何執行緒會執行到 呼叫 tile_barrier::wait ，直到所有線程都到達呼叫為止。 這表示，藉由使用 tile_barrier::wait 方法，您可以逐磚執行工作，而不是逐一線程執行工作。 典型的並排演算法有程式碼可初始化 tile_static 整個圖格的記憶體，後面接著呼叫 tile_barrier::wait 。 下列程式 tile_barrier::wait 代碼包含需要存取所有 tile_static 值的計算。

• 本機和全域索引。 您可以存取相對於整個 array_view 或 array 物件的執行緒索引，以及相對於磚的索引。 使用本機索引可讓您的程式碼更容易讀取和偵錯。 一般而言，您會使用本機索引來存取 tile_static 變數，並使用全域索引來存取 array 和 array_view 變數。

• tiled_extent 類別 和 tiled_index 類別 。 tiled_extent您可以使用 物件， extent 而不是呼叫中的 parallel_for_each 物件。 tiled_index您可以使用 物件， index 而不是呼叫中的 parallel_for_each 物件。

若要利用並排，您的演算法必須將計算網域分割成磚，然後將磚資料 tile_static 複製到變數，以加快存取速度。

全域、磚和區域索引的範例

注意

從 Visual Studio 2022 17.0 版開始，C++ AMP 標頭已被取代。 包含任何 AMP 標頭將會產生建置錯誤。 先定義 _SILENCE_AMP_DEPRECATION_WARNINGS ，再包含任何 AMP 標頭以讓警告無聲。

下圖代表以 2x3 磚排列的 8x9 資料矩陣。

下列範例會顯示此磚矩陣的全域、磚和區域索引。 物件 array_view 是使用 類型的 Description 專案所建立。 會 Description 保存矩陣中元素的全域、磚和區域索引。 呼叫中的程式碼，可 parallel_for_each 設定每個元素之全域、磚和區域索引的值。 輸出會顯示 結構中的 Description 值。

#include <iostream>
#include <iomanip>
#include <Windows.h>
#include <amp.h>
using namespace concurrency;

const int ROWS = 8;
const int COLS = 9;

// tileRow and tileColumn specify the tile that each thread is in.
// globalRow and globalColumn specify the location of the thread in the array_view.
// localRow and localColumn specify the location of the thread relative to the tile.
struct Description {
    int value;
    int tileRow;
    int tileColumn;
    int globalRow;
    int globalColumn;
    int localRow;
    int localColumn;
};

// A helper function for formatting the output.
void SetConsoleColor(int color) {
    int colorValue = (color == 0)  4 : 2;
    SetConsoleTextAttribute(GetStdHandle(STD_OUTPUT_HANDLE), colorValue);
}

// A helper function for formatting the output.
void SetConsoleSize(int height, int width) {
    COORD coord;

    coord.X = width;
    coord.Y = height;
    SetConsoleScreenBufferSize(GetStdHandle(STD_OUTPUT_HANDLE), coord);

    SMALL_RECT* rect = new SMALL_RECT();
    rect->Left = 0;
    rect->Top = 0;
    rect->Right = width;
    rect->Bottom = height;
    SetConsoleWindowInfo(GetStdHandle(STD_OUTPUT_HANDLE), true, rect);
}

// This method creates an 8x9 matrix of Description structures.
// In the call to parallel_for_each, the structure is updated
// with tile, global, and local indices.
void TilingDescription() {
    // Create 72 (8x9) Description structures.
    std::vector<Description> descs;
    for (int i = 0; i < ROWS * COLS; i++) {
        Description d = {i, 0, 0, 0, 0, 0, 0};
        descs.push_back(d);
    }

    // Create an array_view from the Description structures.
    extent<2> matrix(ROWS, COLS);
    array_view<Description, 2> descriptions(matrix, descs);

    // Update each Description with the tile, global, and local indices.
    parallel_for_each(descriptions.extent.tile< 2, 3>(),
        [=] (tiled_index< 2, 3> t_idx) restrict(amp)
    {
        descriptions[t_idx].globalRow = t_idx.global[0];
        descriptions[t_idx].globalColumn = t_idx.global[1];
        descriptions[t_idx].tileRow = t_idx.tile[0];
        descriptions[t_idx].tileColumn = t_idx.tile[1];
        descriptions[t_idx].localRow = t_idx.local[0];
        descriptions[t_idx].localColumn= t_idx.local[1];
    });

    // Print out the Description structure for each element in the matrix.
    // Tiles are displayed in red and green to distinguish them from each other.
    SetConsoleSize(100, 150);
    for (int row = 0; row < ROWS; row++) {
        for (int column = 0; column < COLS; column++) {
            SetConsoleColor((descriptions(row, column).tileRow + descriptions(row, column).tileColumn) % 2);
            std::cout << "Value: " << std::setw(2) << descriptions(row, column).value << "      ";
        }
        std::cout << "\n";

        for (int column = 0; column < COLS; column++) {
            SetConsoleColor((descriptions(row, column).tileRow + descriptions(row, column).tileColumn) % 2);
            std::cout << "Tile:   " << "(" << descriptions(row, column).tileRow << "," << descriptions(row, column).tileColumn << ")  ";
        }
        std::cout << "\n";

        for (int column = 0; column < COLS; column++) {
            SetConsoleColor((descriptions(row, column).tileRow + descriptions(row, column).tileColumn) % 2);
            std::cout << "Global: " << "(" << descriptions(row, column).globalRow << "," << descriptions(row, column).globalColumn << ")  ";
        }
        std::cout << "\n";

        for (int column = 0; column < COLS; column++) {
            SetConsoleColor((descriptions(row, column).tileRow + descriptions(row, column).tileColumn) % 2);
            std::cout << "Local:  " << "(" << descriptions(row, column).localRow << "," << descriptions(row, column).localColumn << ")  ";
        }
        std::cout << "\n";
        std::cout << "\n";
    }
}

int main() {
    TilingDescription();
    char wait;
    std::cin >> wait;
}

此範例的主要工作是在 物件的定義 array_view 中，以及對 parallel_for_each 的呼叫。

1. 結構的向量 Description 會複製到 8x9 array_view 物件中。

2. 使用 parallel_for_each 物件做為計算網域來呼叫 tiled_extent 方法。 物件 tiled_extent 是藉由呼叫 extent::tile() 變數的 descriptions 方法所建立。 呼叫 extent::tile() 的型別參數， <2,3> 指定建立 2x3 磚。 因此，8x9 矩陣會並排成 12 個磚、四個數據列和三個數據行。

3. 方法 parallel_for_each 是使用 tiled_index<2,3> 物件 （ t_idx ） 做為索引來呼叫。 索引的類型參數 （ t_idx ） 必須符合計算網域的類型參數 （ descriptions.extent.tile< 2, 3>() ）。

4. 執行每個執行緒時，索引 t_idx 會傳回執行緒位於哪個磚的資訊（ tiled_index::tile 屬性）和磚內線程的位置（ tiled_index::local 屬性）。

磚同步處理 - tile_static 和 tile_barrier：：wait

上一個範例說明磚配置和索引，但本身並不十分有用。 當磚是演算法和惡意探索 tile_static 變數不可或缺的一部分時，磚會變得很有用。 因為磚中的所有線程都有變數的存取權 tile_static ， tile_barrier::wait 因此呼叫 會用來同步處理變數的 tile_static 存取權。 雖然磚中的所有線程都有變數的存取權 tile_static ，但是磚中沒有線程執行的保證順序。 下列範例示範如何使用 tile_static 變數和 tile_barrier::wait 方法來計算每個磚的平均值。 以下是瞭解範例的索引鍵：

1. rawData 會儲存在 8x8 矩陣中。

2. 磚大小為 2x2。 這會建立 4x4 的磚格線，而平均值可以使用 物件儲存在 4x4 矩陣 array 中。 在 AMP 限制函式中，您只能藉由參考擷取的有限類型。 類別 array 是其中之一。

3. 矩陣大小和範例大小是使用 #define 語句來定義，因為 、、 extent 和 tiled_index 的類型參數 arrayarray_view 必須是常數值。 您也可以使用 const int static 宣告。 作為額外的優點，變更樣本大小以計算超過 4x4 磚的平均大小是微不足道的。

4. tile_static每個磚都會宣告 2x2 浮點數陣列。 雖然宣告位於每個執行緒的程式碼路徑中，但矩陣中的每個磚只會建立一個陣列。

5. 有一行程式碼會將每個磚 tile_static 中的值複製到陣列。 針對每個執行緒，在值複製到陣列之後，執行緒上的執行會因為呼叫 tile_barrier::wait 而停止。

6. 當磚中的所有線程都達到屏障時，就可以計算平均值。 因為程式碼會針對每個執行緒執行，因此有一個 if 語句只會計算一個執行緒上的平均值。 平均值會儲存在 averages 變數中。 屏障基本上是依磚控制計算的建構，就像您可能使用迴圈一 for 樣。

7. 變數中的資料 averages ，因為它是 array 物件，必須複製到主機。 這個範例使用向量轉換運算子。

8. 在完整的範例中，您可以將 SAMPLESIZE 變更為 4，而且程式碼會正確執行，而不需要任何其他變更。

#include <iostream>
#include <amp.h>
using namespace concurrency;

#define SAMPLESIZE 2
#define MATRIXSIZE 8
void SamplingExample() {

    // Create data and array_view for the matrix.
    std::vector<float> rawData;
    for (int i = 0; i < MATRIXSIZE * MATRIXSIZE; i++) {
        rawData.push_back((float)i);
    }
    extent<2> dataExtent(MATRIXSIZE, MATRIXSIZE);
    array_view<float, 2> matrix(dataExtent, rawData);

    // Create the array for the averages.
    // There is one element in the output for each tile in the data.
    std::vector<float> outputData;
    int outputSize = MATRIXSIZE / SAMPLESIZE;
    for (int j = 0; j < outputSize * outputSize; j++) {
        outputData.push_back((float)0);
    }
    extent<2> outputExtent(MATRIXSIZE / SAMPLESIZE, MATRIXSIZE / SAMPLESIZE);
    array<float, 2> averages(outputExtent, outputData.begin(), outputData.end());

    // Use tiles that are SAMPLESIZE x SAMPLESIZE.
    // Find the average of the values in each tile.
    // The only reference-type variable you can pass into the parallel_for_each call
    // is a concurrency::array.
    parallel_for_each(matrix.extent.tile<SAMPLESIZE, SAMPLESIZE>(),
        [=, &averages] (tiled_index<SAMPLESIZE, SAMPLESIZE> t_idx) restrict(amp)
    {
        // Copy the values of the tile into a tile-sized array.
        tile_static float tileValues[SAMPLESIZE][SAMPLESIZE];
        tileValues[t_idx.local[0]][t_idx.local[1]] = matrix[t_idx];

        // Wait for the tile-sized array to load before you calculate the average.
        t_idx.barrier.wait();

        // If you remove the if statement, then the calculation executes for every
        // thread in the tile, and makes the same assignment to averages each time.
        if (t_idx.local[0] == 0 && t_idx.local[1] == 0) {
            for (int trow = 0; trow < SAMPLESIZE; trow++) {
                for (int tcol = 0; tcol < SAMPLESIZE; tcol++) {
                    averages(t_idx.tile[0],t_idx.tile[1]) += tileValues[trow][tcol];
                }
            }
            averages(t_idx.tile[0],t_idx.tile[1]) /= (float) (SAMPLESIZE * SAMPLESIZE);
        }
    });

    // Print out the results.
    // You cannot access the values in averages directly. You must copy them
    // back to a CPU variable.
    outputData = averages;
    for (int row = 0; row < outputSize; row++) {
        for (int col = 0; col < outputSize; col++) {
            std::cout << outputData[row*outputSize + col] << " ";
        }
        std::cout << "\n";
    }
    // Output for SAMPLESIZE = 2 is:
    //  4.5  6.5  8.5 10.5
    // 20.5 22.5 24.5 26.5
    // 36.5 38.5 40.5 42.5
    // 52.5 54.5 56.5 58.5

    // Output for SAMPLESIZE = 4 is:
    // 13.5 17.5
    // 45.5 49.5
}

int main() {
    SamplingExample();
}

追蹤條件

建立名為 total 的變數，並為每個執行緒遞增該變數可能會很誘人 tile_static ，如下所示：

// Do not do this.
tile_static float total;
total += matrix[t_idx];
t_idx.barrier.wait();

averages(t_idx.tile[0],t_idx.tile[1]) /= (float) (SAMPLESIZE* SAMPLESIZE);

此方法的第一個問題是 tile_static 變數不能有初始化運算式。 第二個問題是指派 total 給 有競爭條件，因為磚中的所有線程都無法依特定順序存取變數。 您可以程式設計演算法，只允許一個執行緒存取每個屏障的總計，如下所示。 不過，此解決方案不可延伸。

// Do not do this.
tile_static float total;
if (t_idx.local[0] == 0&& t_idx.local[1] == 0) {
    total = matrix[t_idx];
}
t_idx.barrier.wait();

if (t_idx.local[0] == 0&& t_idx.local[1] == 1) {
    total += matrix[t_idx];
}
t_idx.barrier.wait();

// etc.

記憶體柵欄

必須同步處理的記憶體存取有兩種：全域記憶體存取和 tile_static 記憶體存取。 concurrency::array物件只會配置全域記憶體。 concurrency::array_view可以參考全域記憶體、 tile_static 記憶體或兩者，視其建構方式而定。 必須同步處理的記憶體有兩種：

• 全域記憶體

• tile_static

記憶體柵欄 可確保記憶體存取可供執行緒磚中的其他執行緒使用，並根據程式循序執行記憶體存取。 為了確保這一點，編譯器和處理器不會在柵欄上重新排序讀取和寫入。 在 C++ AMP 中，記憶體柵欄是由下列其中一種方法的呼叫所建立：

• tile_barrier：：wait 方法 ：建立全域和 tile_static 記憶體周圍的柵欄。

• tile_barrier：：wait_with_all_memory_fence 方法 ：建立全域和 tile_static 記憶體周圍的柵欄。

• tile_barrier：：wait_with_global_memory_fence方法 ：只建立全域記憶體周圍的柵欄。

• tile_barrier：：wait_with_tile_static_memory_fence 方法 ：只建立記憶體 tile_static 周圍的柵欄。

呼叫您需要的特定柵欄可以改善應用程式的效能。 屏障類型會影響編譯器和硬體重新排序語句的方式。 例如，如果您使用全域記憶體柵欄，它只會套用至全域記憶體存取，因此，編譯器和硬體可能會重新排序對柵欄兩側的變數進行讀取和寫入 tile_static 。

在下一個範例中，屏障會將寫入同步處理至 tileValues 的 tile_static 變數。 在此範例中， tile_barrier::wait_with_tile_static_memory_fence 會呼叫 ， tile_barrier::wait 而不是 。

// Using a tile_static memory fence.
parallel_for_each(matrix.extent.tile<SAMPLESIZE, SAMPLESIZE>(),
    [=, &averages] (tiled_index<SAMPLESIZE, SAMPLESIZE> t_idx) restrict(amp)
{
    // Copy the values of the tile into a tile-sized array.
    tile_static float tileValues[SAMPLESIZE][SAMPLESIZE];
    tileValues[t_idx.local[0]][t_idx.local[1]] = matrix[t_idx];

    // Wait for the tile-sized array to load before calculating the average.
    t_idx.barrier.wait_with_tile_static_memory_fence();

    // If you remove the if statement, then the calculation executes
    // for every thread in the tile, and makes the same assignment to
    // averages each time.
    if (t_idx.local[0] == 0&& t_idx.local[1] == 0) {
        for (int trow = 0; trow <SAMPLESIZE; trow++) {
            for (int tcol = 0; tcol <SAMPLESIZE; tcol++) {
                averages(t_idx.tile[0],t_idx.tile[1]) += tileValues[trow][tcol];
            }
        }
    averages(t_idx.tile[0],t_idx.tile[1]) /= (float) (SAMPLESIZE* SAMPLESIZE);
    }
});

另請參閱

C++ AMP (C++ Accelerated Massive Parallelism)
tile_static 關鍵字