C++学习|CUFFT计算一维傅里叶变换

CUFFT库介绍

CUFFT（CUDA Fast Fourier Transform）：CUDA提供了一系列的函数帮助开发者进行快速傅里叶变换的运算。

CUFFT库构成：两个子库分别是CUFFT和CUFFTW。

• CUFFTW：提供了一些接口，使得用户使用FFTW库（CPU快速傅里叶变换库，FFTW3文章有讲解过安装和使用）编写的程序能够运行在GPU上。其实意思就是FFTW CPU编写的代码可以用在CUFFTW GPU，因为它们的接口名字相同。这提高使用FFTW现有代码的可移植性。
• CUFFT：是纯CUDA接口的快速傅里叶变换库。

CUFFTW计算一维傅里叶变换

使用的傅里变换的函数和CPU的FFTW3一摸一样，但是要改动一些地方。

• 在cuda配置的时候，“项目-属性-连接器-输入lib”的部分还要加上cufftw.lib，不然无法解析fftw函数。
• 头文件fftw3.h改成cufftw.h。
• 还要进行GPU内存管理。
• 因为涉及到GPU内存管理所以要写在cu文件下（一开始犯糊涂，直接在cpp文件改了，结果发现和CPU运行的速度一样）。

.cu文件代码：

#include"cuda.cuh"
#include <cuda_runtime.h>
#include<device_launch_parameters.h>
#include <stdio.h>
#include<cufftw.h>

void fftFun(int n, double *in, double* out) {
    // FFTW默认使用双精度浮点数，所以这里用double
    // 傅里叶变换数据
    fftw_complex* DataIn = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * n);
    fftw_complex* DataOut = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * n);
    fftw_plan Plan = fftw_plan_dft_1d(n, DataIn, DataOut, FFTW_FORWARD, FFTW_ESTIMATE);
    // 数据从cpu拷贝到gpu
    for (int i = 0; i < n; i++) {
        DataIn[i][0] = in[i];
    }
    // 进行傅里叶变换
    fftw_execute(Plan);
    // 数据从GPU拷贝回GPU
    for (int i = 0; i < n / 2; i++) {
        out[i] = sqrt(DataOut[i][0]*DataOut[i][0] + DataOut[i][1]*DataOut[i][1])/(n/2);// 计算振幅
    }
    // 销毁
    fftw_free(DataIn);
	fftw_free(DataOut);
	fftw_destroy_plan(Plan);
    return;
}

判断CUDA是否有用上

1. 可以在任务管理器中看程序运行后CUDA调用GPU的情况。
   

2. nvidia-smi，打开cmd命令行输入nvidia-smi即可查看NVIDIA GPU使用状况。
   

   • GPU：本机中的GPU编号，从0开始。
   • Fan：风扇转速（0%-100%），N/A表示没有风扇。
   • Name：GPU名字/类型。
   • Temp：GPU温度。
   • Perf：性能状态，从P0（最大性能）到P12（最小性能）。
   • Pwr：Usager/Cap：GPU功耗，Usage表示用了多少，Cap表示总共多少。
   • Volatile GPU-UTil：GPU使用率。
   • Uncorr. ECC：是否开启错误检查和纠错技术，0/DISABLED，1/ENABLED。
   • Processes：GPU表示占用那个编号GPU，每个进程占用的显存使用率和进程号等。

   实时刷新指令：nvidia-smi -l 1

CUFFT计算一维傅里叶变换

注意的点：

• 在cuda配置的时候，“项目-属性-连接器-输入lib”的部分还要加上cufft.lib，不然无法解析fftw函数。
• 头文件加上cufft.h。
• 在.cu文件中编写，因为涉及到GPU内存管理。

.cu文件核心函数：

void fftFun(int n, cufftComplex* in, cufftComplex* out) {
    // 傅里叶变换数据
    // 这里cufftComplex是单精度的，如果要用双精度改为cufftDoubleComplex
    cufftComplex* DataIn, * DataOut;
    cudaMalloc((void**)&DataIn, sizeof(cufftComplex) * n);
    cudaMalloc((void**)&DataOut, sizeof(cufftComplex) * n);
    cufftHandle Plan;
    cufftPlan1d(&Plan, n, CUFFT_C2C, 1);// 双精度cufftPlan1d(&Plan, n, CUFFT_Z2Z, 1);
    // 把CPU数据复制到GPU
    cudaMemcpy(in, DataIn, n* sizeof(cufftComplex), cudaMemcpyHostToDevice);
    // 傅里叶变换
    // CUFFT_FORWARD为正向FFT，CUFFT_INVERSE为逆向FFT
    cufftExecC2C(Plan, DataIn, DataOut, CUFFT_FORWARD);// 双精度cufftExecZ2Z(Plan, DataIn, DataOut, CUFFT_FORWARD);
    // 把GPU数据复制到CPU
    cudaMemcpy(DataOut, out, n * sizeof(cufftComplex), cudaMemcpyDeviceToHost);
    // 销毁GPU开辟的东西
    cufftDestroy(Plan);
    cudaFree(DataIn);
    cudaFree(DataOut);
    return;
}

.cpp文件main函数

int main()
{
	// 输入n，再输入n个要进行傅里叶变换的采样点
	int n;
	cin >> n;
	// CPU的傅里叶变换数据分配内存
	// 双精度改为cufftDoubleComplex
	cufftComplex* in = (cufftComplex*)malloc(n * sizeof(cufftComplex));
	cufftComplex* out = (cufftComplex*)malloc(n * sizeof(cufftComplex));
	for (int i = 0; i < n; i++) {
		cin >> in[i].x;
		in[i].y = 0;
	}
	fftFun(n, in, out);
	// 输出傅里叶变换后的振幅，傅里叶变换左右对称所以只需要n/2个点
	for (int i = 0; i < n/2; i++) {
		cout << sqrt(out[i].x * out[i].x + out[i].y * out[i].y) / (n / 2) << " ";;// 计算振幅
	}
	cout << endl; 
	return 0;
}