LoginSignup
20
18

More than 5 years have passed since last update.

OpenCVAdvent Calendar 2016Day 4
@dandelion1124

cudaモジュールのcuda::Streamを使ってみよう

Last updated at Posted at 2016-12-03

この記事はOpenCV Advent Calendar 2016の4日目の記事です．

はじめに

この記事ではOpenCVのcudaモジュールで提供されているcuda::Streamとその使い方を紹介します．
今回紹介するcuda::Streamですが，もしかしたらOpenCVドキュメントで見たことある方いらっしゃるかもしれませんね．

opencv_cuda_stream.png

以降は基本的にOpenCV 3.x系を前提に説明します（最後の方で2.4系についても軽く触れます）．

cuda::Streamクラスとは

CUDAのStreamはGPU上の処理を管理するキューのことでカーネル実行やメモリ転送の並列性，実行順序を制御するために用いられます．CUDAのStreamに関しては以下の記事を参照ください．

また，OpenCVのcudaモジュールではこのStreamを簡単に利用するためにcuda::Streamクラスを提供しています．

cuda::Streamクラスが提供するAPI

冒頭でも紹介したcuda::Streamクラスは以下のAPIを提供しています．
各APIの詳細については公式ドキュメントを参照ください．

API 機能
waitForCompletion Streamの一連の処理が終わるまで現在のCPUスレッドをブロッキングする
waitEvent Streamのイベントを待機する
※イベントについては公式ドキュメントを参照ください
queryIfComplete 現在のstream queueの処理が終わっているかどうかを調べる
enqueueHostCallback Streamのキューイング処理完了後にホスト側で実行されるコールバック関数を設定する

また，enqueueHostCallbackの使い方は公式テストコードが参考になるでしょう．

cuda::Streamクラスの使い方

OpenCVのcudaモジュールAPIで明示的にcuda::Streamを使うのは非常に簡単です．
基本的な実装手順は以下の通りです．

  1. cuda::Streamクラスのインスタンスを生成する
  2. cudaモジュールのAPIにcuda::Streamクラスのインスタンスを渡す

一言で言うと「cuda::StreamクラスのインタンスをcudaモジュールのAPIに明示的にセットする」だけでOKです．

サンプルコード

おそらく実際のコードを読むのがわかりやすいと思うのでサンプルコードを以下に示します．

// (1) cuda::Streamクラスのインスタンスを生成する
cv::cuda::Stream stream;

// (2) cudaモジュールのAPIにcuda::Streamクラスのインスタンスを渡す
cv::cuda::cvtColor(d_img, d_gray, cv::COLOR_BGR2GRAY, 0, stream);

cuda::Streamを使うメリット

cuda::Streamを使うことでデータ転送とカーネル実行をオーバーラップさせることができ，データ転送時間を隠蔽できるようになります．と言ってもピンと来ないと思うのでサンプルコードを用いながら説明します．

明示的にcuda::Streamをセットしない場合

OpenCVのcudaモジュールAPIにcuda::Streamクラスのインスタンスを明示的にセットしない場合，
Default Streamを使って処理が行われます．ここではサンプルコードとNVIDIA Visual Profilerで取得したタイムラインを示します．

サンプルコード

cv::Mat src(cv::Size(3840, 2160), CV_8UC3, cv::Scalar(0));
cv::cuda::HostMem dst1, dst2, dst3;
cv::cuda::GpuMat d_src;
cv::cuda::GpuMat d_gray1, d_gray2, d_gray3;
cv::cuda::GpuMat d_dst1, d_dst2, d_dst3;

// デバイスに転送
d_src.upload(src);

// GpuMatを使った処理(Default Stream)
cv::cuda::cvtColor(d_src, d_gray1, cv::COLOR_BGR2GRAY, 0);
cv::cuda::threshold(d_gray1, d_dst1, 200, 255, cv::THRESH_BINARY);

//ホストへ転送(Default Stream)
d_dst1.download(dst1);

// GpuMatを使った処理(Default Stream)
cv::cuda::cvtColor(d_src, d_gray2, cv::COLOR_BGR2GRAY, 0);
cv::cuda::threshold(d_gray2, d_dst2, 200, 255, cv::THRESH_BINARY);

//ホストに転送(Default Stream)
d_dst2.download(dst2);

// GpuMatを使った処理(Default Stream)
cv::cuda::cvtColor(d_src, d_gray3, cv::COLOR_BGR2GRAY, 0);
cv::cuda::threshold(d_gray3, d_dst3, 200, 255, cv::THRESH_BINARY);

//ホストに転送(Default Stream)
d_dst3.download(dst3);

タイムライン

サンプルコードを実行したときのタイムラインは以下の通りです．

timeline_default_stream.png

cudaモジュールAPIにcuda::Streamクラスのインスタンスを明示的にセットしないと
Default Streamが使われていてデータ転送やカーネル実行が並列に行われてないことがわかります．

明示的にcuda::Streamをセットする場合

ここではcuda::Streamを使った場合のサンプルコードとタイムラインを示します．

サンプルコード

cv::Mat src(cv::Size(3840, 2160), CV_8UC3, cv::Scalar(0));
cv::cuda::HostMem dst1, dst2, dst3;
cv::cuda::GpuMat d_src;
cv::cuda::GpuMat d_gray1, d_gray2, d_gray3;
cv::cuda::GpuMat d_dst1, d_dst2, d_dst3;

cv::cuda::Stream stream[3];

// デバイスに転送
d_src.upload(src);

// GpuMatを使った処理(cuda::Stream)
cv::cuda::cvtColor(d_src, d_gray1, cv::COLOR_BGR2GRAY, 0, stream[0]);
cv::cuda::threshold(d_gray1, d_dst1, 200, 255, cv::THRESH_BINARY, stream[0]);

//ホストに転送(cuda::Stream)
d_dst1.download(dst1, stream[0]);

// GpuMatを使った処理(cuda::Stream)
cv::cuda::cvtColor(d_src, d_gray2, cv::COLOR_BGR2GRAY, 0, stream[1]);
cv::cuda::threshold(d_gray2, d_dst2, 200, 255, cv::THRESH_BINARY, stream[1]);

//ホストに転送(cuda::Stream)
d_dst2.download(dst2, stream[1]);

// GpuMatを使った処理(cuda::Stream)
cv::cuda::cvtColor(d_src, d_gray3, cv::COLOR_BGR2GRAY, 0, stream[2]);
cv::cuda::threshold(d_gray3, d_dst3, 200, 255, cv::THRESH_BINARY, stream[2]);

//ホストに転送(cuda::Stream)
d_dst3.download(dst3, stream[2]);

タイムライン

サンプルコードを実行したときのタイムラインは以下の通りです．

timeline_multi_stream1.png

このサンプルコードでは複数のcuda::Streamを使ってデータ転送やカーネル実行に割り当てることでデータ転送とカーネル実行をオーバーラップさせることができていることがわかります．

また，サンプルコードは割愛しますが，今回用いたGeForce GTX 1060はCopy Engineを2つ持っているので，処理によっては以下のようにデータ転送（ホスト→デバイス）とデータ転送（デバイス→ホスト）をオーバーラップさせることもできます．

timeline_multi_stream2.png

cuda::Streamクラスを使った実装方法

ここまではOpenCVのcudaモジュールのAPIでcuda::Streamを明示的に使うお話でした．
一方でOpenCVと連携した自作CUDAカーネルでcuda::Streamを利用したいケースもあると思います．

基本的な実装手順は以下の通りです．

  1. 関数の引数にcuda::Streamクラスの変数を追加する
  2. cuda::StreamAccessor::getStreamメソッド（公式ドキュメント）を使ってCUDAのStreamを取得する
  3. CUDAカーネル起動時に2.で取得したStreamを指定する

サンプルコード

こちらもおそらく実際のコードを読むのがわかりやすいと思うのでサンプルコードを以下に示します．

// (1) 関数の引数にcuda::Streamクラスの変数を追加する
void hoge_func(cv::cuda::GpuMat& img, cv::cuda::Stream& stream_)
{
    // (2) CUDAのStreamを取得する
    cudaStream_t stream = cv::cuda::StreamAccessor::getStream(stream_);

    const dim3 threads(32, 8);
    const dim3 grid(divUp(img.cols, threads.x), divUp(img.rows, threads.y));

    // (3) CUDAカーネル起動時に(2)で取得したStreamを指定する
    hoge_kernel<<<grid, threads, 0, stream>>>(img);

    cudaGetLastError();
    cudaDeviceSynchronize();
}

前に述べたように

  1. 関数の引数にcuda::Streamクラスの変数を追加する
  2. cuda::StreamAccessor::getStreamメソッド（公式ドキュメント）を使ってCUDAのStreamを取得する
  3. CUDAカーネル起動時に2.で取得したStreamを指定する

という流れそのままなので簡単ですね！

OpenCV 2.4系は？

冒頭で述べたようにここまでOpenCV 3.x系を前提とした話になっていました．ここまで聞いて「じゃあ，cuda::StreamクラスってOpenCV 2.4系じゃ使えないの？」と疑問が生じるかもしれませんが安心してください．
OpenCV 2.4系だとgpu::Streamクラスがその役割を担っています．

ただし，GpuMatクラスのupload，downloadメソッドの扱いが若干異っていて，OpenCV 2.4系だとgpu::Stream::enqueueUpload，gpu::Stream::enqueueDownloadメソッドを使う必要があります．

各APIの詳細は以下のURLを参照ください。
* http://docs.opencv.org/2.4.13/modules/gpu/doc/data_structures.html#gpu-stream-enqueueupload
* http://docs.opencv.org/2.4.13/modules/gpu/doc/data_structures.html#gpu-stream-enqueuedownload

ということで，2.4系だと具体的にどういう実装になるかイメージしやすいよう
3.x系と対比しながらサンプルコードを見てみましょう．

サンプルコード（OpenCV 3.x系）

// cuda::Streamクラスのインスタンスを生成する
cv::cuda::Stream stream;

// uploadメソッドにcuda::Streamクラスのインスタンスを渡す
d_src.upload(src, stream);

// GpuMatを使った処理

// downloadメソッドにcuda::Streamクラスのインスタンスを渡す
d_dst.download(dst, stream);

サンプルコード（OpenCV 2.4系）

// gpu::Streamクラスのインスタンスを生成する
cv::gpu::Stream stream;

// enqueueUploadメソッドを使う
stream.enqueueUpload(src, d_src);

// GpuMatを使った処理

// enqueueDownloadメソッドを使う
stream.enqueueDownload(d_dst, dst);

ということで，2.4系でもそこまで大きな違いがなく，Streamが使えることがわかると思います．

おわりに

この記事ではOpenCVのcudaモジュールで提供されているcuda::Streamとその使い方を紹介しました．
cudaモジュールを使う機会があれば必要に応じてcuda::Streamを使ってみてください！

備考

筆者は以下の環境で動作確認しました．

  • CPU：Intel Core i7-6700HQ
  • メモリ：64GB
  • GPU：NVIDIA GeForce GTX 1060 / 6GB
  • Ubuntu 16.04 LTS(64bit)
  • OpenCV 3.1.0
  • CUDA 8.0
  • gcc 5.4.0

参考URL

20
18
2

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
20
18