производительность — AMP C ++ ускоряет расчет объема

Во-первых, ниже, я думаю, что это немного лучшая реализация с некоторыми комментариями. Ваш код делает некоторые вещи, которых можно избежать.

Однако то, что вы действительно делаете здесь, это сокращение. Это алгоритм, который был очень тщательно исследован и оптимизирован. Есть реализация C ++ AMP на Сайт AMP Algorithms Codeplex Он реализован в виде алгоритма в стиле STL. Прежде чем прийти к выводу, что C ++ AMP не соответствует вашим потребностям, я бы попробовал использовать эту реализацию, так как это будет тривиально и может дать вам гораздо лучшую производительность. Мне было бы интересно посмотреть, как вы поживаете.

Сайт AMP Book Codeplex содержит вспомогательный класс для синхронизации ядер C ++ AMP. В сопровождающей книге также обсуждается внедрение сокращения. Там есть целая глава.

void Foo()
{
const int numTriangles = 128;
std::vector<Triangle> vTriangle;

accelerator my_accelerator(accelerator::default_accelerator);
accelerator_view acc_view = my_accelerator.get_default_view();

const int BLOCK_SIZE = 64;
int outputSize = int(numTriangles / BLOCK_SIZE);

const int dimA = numTriangles;
std::cout<<dimA<<std::endl;

//copy triangles from host to device
// Use and array_view to automatically sync your data.
// You can use acc_view.flush() to make sure that copy is complete
// when you are running your timing code. Make this const so that AMP does
// not copy your input data back to the CPU.

array_view<const Triangle, 1> triangle(vTriangle.size(), vTriangle.data());

//Volume
// Don't push_back this causes (re)allocation as the vector grows.
// Set size and fill at the same time.

std::vector<double> volumeCPP(outputSize, 0.0);

array_view<double, 1> volume(outputSize, volumeCPP);
volume.discard_data();

// I would use the timing code on CodePlex.
// It will be more accurate than this.
clock_t start, finish;
start = clock();
parallel_for_each(
// Not sure a tile size of 1 will be handled that
// well by the runtime in terms of perf. I see why you
// are doing it to get tile_static. You might be better off having larger tiles.

volume.extent.tile<1>(),
[=](tiled_index<1> t_idx) restrict(amp)
{
double sum = 0.0f;
for (int idx = 0; idx < BLOCK_SIZE; idx++)
{
// Loading the single triangle into tiled memory is a good idea because
// elements are read more than once.
tile_static Triangle tile_triangle;
tile_triangle = triangle[t_idx.global * BLOCK_SIZE + idx];

sum += tile_triangle.x1 * tile_triangle.y2 * tile_triangle.z3 +
tile_triangle.y1 * tile_triangle.z2 * tile_triangle.x3 +
tile_triangle.x2 * tile_triangle.y3 * tile_triangle.z1 -
tile_triangle.x3 * tile_triangle.y2 * tile_triangle.z1 -
tile_triangle.x2 * tile_triangle.y1 * tile_triangle.z3 -
tile_triangle.y3 * tile_triangle.z2 * tile_triangle.x1;
}
volume[t_idx.global] = sum;
}
);
// Force data copy back to CPU.
volume.synchronize();
double sum = std::accumulate(begin(volumeCPP), end(volumeCPP), 0.0);
}

Вот еще один пример, в котором используется библиотека алгоритмов AMP для реализации решения вашей проблемы с использованием шаблона map / lower.

std::vector<Triangle> triangles_cpu(1000);

array_view<const Triangle, 1> triangles_gpu(triangles_cpu.size(), triangles_cpu.data());
concurrency::array<double, 1> volumes_gpu(triangles_cpu.size());
array_view<double, 1> volumes_gpuvw(volumes_gpu);
amp_stl_algorithms::transform(begin(triangles_gpu), end(triangles_gpu), begin(volumes_gpuvw),
[=](const triangle& t) restrict(amp)
{
return t.x1 * (t.y2 * t.z3 - t.y3 * t.z2)
+ t.y1 * (t.z2 * t.x3 - t.x2 * t.z3)
+ t.z1 * (t.x2 * t.y3 - t.x3 * t.y2);
});
double sum = amp_stl_algorithms::reduce(begin(volumes_gpuvw), end(volumes_gpuvw), 0.0);