C++AMP介绍（一）
最后更新日期：2014-05-02
阅读前提：
环境:Windows 8.1 64bit英文版，Visual Studio 2013 Professional Update1英文版，Nvidia QuadroK600 显卡
内容简介
介绍C++ AMP如何使用加速器(GPU)的并发执行能力。通过两个尽可能简洁的程序，让用户了解到如何把AMP应用到自己的程序开发当中。
正文
C++AMP (C++ Accelerated Massive Parallelism)利用并行硬件（例如独立图形加速卡）的性能，加速你C++程序的执行速度，C++ AMP编程模型包括支持多维数组，索引，内存传输和平铺，包括数学函数库。你可以使用C++ AMP更广泛的控制CPU同GPU之间数据的传递。
C++ AMP要求你的显卡完整支持DirectX11硬件特性。
在Visual Studio上建立Win32 控制台项目，下面是我第一个C++AMP应用程序源代码
#include "stdafx.h"
#include
#include
using namespace concurrency; const int size = 5; void CppAmpMethod() { int aCPP[] = { 1, 2, 3, 4, 5 }; int bCPP[] = { 6, 7, 8, 9, 10 }; int sumCPP[size]; //concurrency::array_view是AMP的数据包装器，可作为智能指针使用，代表了一维或多维数组。 //第一个模板参数是数据类型，第二个模板参数是维度。 //第一个构造参数是数组中元素的数量，第二个构造参数是数组 array_view
a(size, aCPP); array_view
b(size, bCPP); array_view
sum(size, sumCPP); //调用dsicard_data方法，是为了避免sum包装器中的数据复制到GPU //此方法的调用不能出现在有restrict(amp)约束的上下文(代码段)中 sum.discard_data(); parallel_for_each( //sum.extent代表计算域，在这上面将会建立线程集合 //因为数组中有5个元素，所以会建立5根线程分别运行 sum.extent, //Lambda表达式定义在加速器上各个线程将会运行的代码 //restrict(amp)是Microsoft AMP引入的约束符号，要求Lambda运行在GPU上 //默认值是restrict(cpu)约束在CPU上运行，所以不加约束可以在任何标准C++编译器中正确编译 //约束还可以是restrict(cpu,amp)，没有其它。 //index类用来索引array_view中的元素,index模板参数表示idx的维度 [=](index<1> idx) restrict(amp) { //restrict(amp)约束使lambda表达式无法捕获到外面的引用型和指针型变量 //只能使用concurrency::array_view容器，输入输出数据 sum[idx] = a[idx] + b[idx]; } ); // 打印输出结果. 正确的输出应该是 "7, 9, 11, 13, 15". for (int i = 0; i < size; i++) { std::cout << sum[i] << "\n"; } //更新sum包装器指向的数据源，即sumCPP中的数据（元素） sum.synchronize(); // 打印输出结果. 正确的输出应该是 "7, 9, 11, 13, 15". for (int i = 0; i < size; i++) { std::cout << sumCPP[i] << "\n"; } } int _tmain(int argc, _TCHAR* argv[]) { CppAmpMethod(); system("pause"); return 0; }
第二个C++ AMP程序演示如何自己编写带restrict(amp)修饰的函数，以及如何调用它。
#include "stdafx.h"
#include
#include
#include
using namespace concurrency; const int size = 5; //带restrict(amp)约束的函数只能使用C++标准的子集，称为kernel函数， //在GPU上运行，只能被带有restrict(amp)约束的上下文(代码段)调用 void AddElementsWithRestrictedFunction( index<1> idx, array_view
sum, array_view
a, array_view
b) restrict(amp) { sum[idx] = a[idx] + b[idx]; } void AddArraysWithFunction() { int aCPP[] = { 1, 2, 3, 4, 5 }; int bCPP[] = { 6, 7, 8, 9, 10 }; int sumCPP[5]; array_view
a(5, aCPP); array_view
b(5, bCPP); array_view
sum(5, sumCPP); sum.discard_data(); parallel_for_each( sum.extent, [=](index<1> idx) restrict(amp) { //调用restrict(amp)约束的函数 AddElementsWithRestrictedFunction(idx, sum, a, b); } ); for (int i = 0; i < 5; i++) { std::cout << sum[i] << "\n"; } } /* C++ AMP 带了两个数学库， 在名字空间Concurrency::precise_math的双精度库，也提供单精度数学函数。 在Concurrency::fast_math名字空间的单精度库，只提供单精度数学函数。 可以使用accelerator::supports_double_precision属性判断GPU是否支持双精度库。 这些带restrict(amp)约束的数学函数在
头文件中声明。 标准C++库
头文件中声明的数学函数在fast_math和precise_math空间中都能找到。 */ void MathExample() { double numbers[] = { 1.0, 10.0, 60.0, 100.0, 600.0, 1000.0 }; array_view
logs(6, numbers); parallel_for_each( logs.extent, [=](index<1> idx) restrict(amp) { logs[idx] = concurrency::fast_math::log10(logs[idx]); } ); for (int i = 0; i < 6; i++) { std::cout << logs[i] << "\n"; } } int _tmain(int argc, _TCHAR* argv[]) { //测试这里写的带restrict(amp)约束的函数 AddArraysWithFunction(); //测试C++ AMP提供的带restrict(amp)约束的数学函数 MathExample(); system("pause"); return 0; }
现在你应该已经学会了C++AMP的编程方式，下一篇介绍C++ AMP关于性能优化方面的基本知识。
参考资料
http://msdn.microsoft.com/zh-cn/library/vstudio/hh265136(v=vs.120).aspx
http://blogs.msdn.com/b/nativeconcurrency/archive/2011/09/13/c-amp-in-a-nutshell.aspx
C++ AMP (C++ Accelerated MassiveParallelism)
http://msdn.microsoft.com/zh-cn/library/hh265137.aspx