Rapidmind计算库性能测试

 　　rapidmind.net提供了免费的计算库下载，目的是使用C++ metaprogramming将计算与硬件平台隔离开来，它提供一套运行库做底层的优化工作。为了测试其真正的性能，以便于在未来的渲染器中使用，我做了一个简单的性能测试程序，将一张1920x1080尺寸的TIF从RGB转换为CIE XYZ。
　　测试平台为我的acer 5572ANWXCi笔记本，Core Duo T2250、945、1.5G DDR2、geforce 7300go 64bit 128M。

	GPU	CPU	GPU*	CPU*
Joky.tif	1.809444	28.306510	36.927075	12.229953
HDTV.tif	7.248393	179.199637	465.021794	173.764878

单位为毫秒millisecond，加“*”表示回读GPU数据到内存。Joky.tif大小为300x400，120000 pixels。HDTV.tif大小为1920x1080，2073600 pixels。

　　测试结果表明，如果不回读，那么可以放心大胆的使用GPU计算。但是如果回读，那么速度将急剧下降。总线是一个原因，但估计更深层次的是GPU的工作机制以及设计。但是可以肯定的是，如果使用RM开发基于多核心的CPU比如CELL BE处理器的计算程序，那么带来的好处是及其明显的，避免了硬件编码优化工作，节省了人力物力，最重要的是可以获得相当不错的性能。
　　测试代码如下，其中CPU部分没有优化，但是打开了VC71的SSE2开关。

#include <TCHAR.h>

#include <cstdio>
#include <rapidmind/platform.hpp>
#include <cximage/ximage.h>
#pragma comment(lib,"rmplatform-vc7-md.lib")
#pragma comment(lib,"cximagecrt.lib")

using namespace rapidmind;

int main()
{
    float Time;
    CxImage Image("C:\\HDTV.tif",CXIMAGE_FORMAT_TIF);
    long size = Image.GetWidth()*Image.GetHeight()*sizeof(BYTE)*4;
    BYTE* DataPtr = NULL;
    if( !Image.Encode2RGBA(DataPtr,size) )
        printf("Shit!\n");

    rapidmind::init();

/**//*
const mat3 RGBtoCIEmat = mat3(0.412453, 0.212671, 0.019334,
                              0.357580, 0.715160, 0.119193,
                              0.180423, 0.072169, 0.950227);

*/
    Value3f C0(0.412453f,0.357580f,0.180423f);
    Value3f C1(0.212671f,0.715160f,0.072169f);
    Value3f C2(0.019334f,0.119193f,0.950227f);

    Program Prog = RM_BEGIN_PROGRAM("stream"){
        In<Value4ub> rgb;
        Out<Value4ub> cie;
        cie(0) = dot(rgb(0,1,2),C0);
        cie(1) = dot(rgb(0,1,2),C1);
        cie(2) = dot(rgb(0,1,2),C2);
        cie(3) = 255;
    }RM_END
    Array<1,Value4ub> Input(Image.GetWidth()*Image.GetHeight());
    DataPtr = Input.write_data();
    Array<1,Value4ub> Output;

    rapidmind::compile(Output,Prog(Input));
    Output = Prog(Input);

    DataPtr[0] = 255;
    rapidmind::Timer Start = rapidmind::Timer::now();
    Output = Prog(Input);
    rapidmind::finish();
     
    //const BYTE* RMResultPtr = Output.read_data();

    rapidmind::Timer End = rapidmind::Timer::now();
    rapidmind::finish();
    Time = End.milliseconds() - Start.milliseconds();
    printf("Use RM : %f milliseconds\n",Time);

    int Width = Image.GetWidth(),Height = Image.GetHeight();

    Start = rapidmind::Timer::now();
    for(int i=0;i<Width*Height;i++){
        float r = DataPtr[i*4+0],g=DataPtr[i*4+1],b=DataPtr[i*4+2];
        float x = r*0.412453f + g*0.357580f + b*0.180423f;
        float y = r*0.212671f + g*0.715160f + b*0.072169f;
        float z = r*0.019334f + g*0.119193f + b*0.950227f;
        DataPtr[i*4+0] = x;
        DataPtr[i*4+1] = y;
        DataPtr[i*4+2] = z;
        DataPtr[i*4+2] = 255;
    }
    End = rapidmind::Timer::now();
    Time = End.milliseconds() - Start.milliseconds();
    printf("Use CPU: %f milliseconds\n",Time);


    system("PAUSE");
    return 0;
}