微軟發表用於 GPU 大量平行計算的 C++ AMP

自從 nVIDIA CUDA 推出後，把顯示卡的繪圖晶片拿來做通用計算的 GPGPU 算是用來越普及了～目前除了 CUDA 外，AMD 也有自己的 Stream SDK（目前以改名為 AMD APP），同時也更有跨硬體的標準 OpenCL 以及微軟 DirectX 裡的 DirectCompute（MSDN）。

而微軟在這幾天 AMD Fusion Developer Summit  上，也發表了一個用於 C++ 的 GPU 大量平行化的開發技術，命名為「C++ Accelerated Massive Parallelism」。目前似乎還沒有能找到詳細資料，不過就現在看到的資料，重點是在於：

• STL-Like、C++ 的語法，只要會用 STL 就會用。也就是他的學習門檻會更低～
• 會整合在下一版的 Visual C++ 中，不需要額外的編譯器也不需要其他的語法。
• 基於微軟的 DirectCompute（這代表了他應該只能用在 Windows Vista / Windows 7）。
• 將可以使用在 GPU，以及 APU 等適合大量平行計算（massively parallel）的硬體上。

詳細的資料可以參考《C++ Accelerated Massive Parallelism》和《Introducing C++ Accelerated Massive Parallelism (C++ AMP)》，不過說實話細節也不多。另外，在 Channel 9 上可以找到展示的影片（網頁、簡報投影片），裡面有簡單的矩陣相乘範例程式碼；而在《Microsoft brings GPU computing to C++ with C++ AMP》一文中，也有一些簡單的說明。

其中，在《Microsoft brings GPU computing to C++ with C++ AMP》一文中可以看到，C++ AMP 主要是在 C++ 裡加上了一些必要的新的 class，包括了：array<T, N>、array_view<T, N>、index<N>、grid<N>、tiled_grid<Z, Y, X> 等等。

另外，也針對平行化處理的需求，加上了 parallel_for_each() 的函式，以及額外的 restrict(direct3d, cpu) 指令。

在投影片中所提供的「Hello World」範例，則是簡單的矩陣相加～如果直接用 C++ 寫的話，會是：

void AddArrays( int n, int* pA, int* pB, int* pC )
{
  for( int i = 0; i < n; ++ i )
  {
    pC[i] = pA[i] + pB[i];
  }
}

如果將這段程式用 C++ AMP 改寫的話，則會變成：

#include <amp.h>
using namespace concurrency;
 
void AddArrays( int n, int* pA, int* pB, int* pC )
{
  array_view< int, 1 > a( n, pA );
  array_view< int, 1 > b( n, pB );
  array_view< int, 1 > sum( n, pC );
 
  parallel_for_each(
    sum.grid,
    [=]( index<1> idx ) restrict(direct3d)
    {
      sum[idx] = a[idx] + b[idx];
    }
  );
}

而在影片（網頁）裡面的範例程式碼，則是提供了另一個、稍微複雜一點的矩陣相乘的程式碼當作例子。用 C++ 寫的話，會是：

void MatrixMult( float* C, const vector<float>& A, const vector<float>& B,
                 int M, int N, int W)
{
  for( int y = 0; y < M; y++ )
    for( int x = 0; x < N; x++ )
    {
      float sum = 0;
      for( int i = 0; i < W; i++ )
        sum += A[y*W+i] * B[i*N+x];
      C[y*N+x] = sum;
    }
}

改使用 C++ AMP 則會變成（還要加上 #include <amp.h>、且部分的型別的 namespace 是 concurrency）：

void MatrixMult( float* C, const vector<float>& A, const vector<float>& B,
                 int M, int N, int W)  
{
  array_view<const float, 2> a(M,W,A), b(W,N,B);
  array_view<writeonly<float>, 2> c(M,N,C);

  parallel_for_each( c.grid, [=](index<2> idx) restrict(direct3d){
    float sum = 0;
    for( int i = 0; i < a.x; i++ )
      sum += a(idx.y,i)*b(I,idx.x);
    c[idx] = sum;  } );
}

以上面兩個範例看來，C++ AMP 的平行計算方法，目前似乎只有一個 parallel_for_each()？而在使用上，的確真的很接近 STL 的用法～要使用時，應該就是：

1. 加上 <amp.h> 這個 header 檔、並指定 namespace（concurrency 現在是微軟 PPL 的 namespace）。
2. 將資料轉換為 C++ AMP 的特定型別（這邊都是用 array_view）
3. 將實際要執行的程式以 function object 的形式，和資料一起丟給 parallel_for_each()，做平行化的處理。

在這兩個範例裡，都是使用 C++0x 的 lambda expression（參考）的形式來建構所需要的 function object；而其中比較特別的是，對於這個 function object 他還加上了 restrict(direct3d) 這樣的程式碼。雖然以目前的資料還說還不是很確定，不過 restrict() 這個指令應該是用來指定這個 function object 丟到 parallel_for_each() 後，是要在 CPU 還是 GPU 上執行了～

---

在 Heresy 來看，這樣的語法如果和 nVIDIA CUDA 或是 OpenCL 來比的話，確實是又再進一步簡化不少了！基本上要做的，就是轉換成 C++ AMP 特定的資料型態、然後呼叫 parallel_for_each() 就好了～資料到底在 CPU 還是在 GPU 上，應該也是由 C++ AMP 自己負責處理掉了（可以在轉換成 array_view 時，以 const 和 writeonly 來做一定程度的控制）；而就像範例裡面一樣，再搭配 lambda expression 的話，更是連 kernel function 都不用額外定義了～如此一來，就真的很像在寫一般的 C++ STL algorithm 的迴圈程式，雖然比不上 OpenMP，但是也是相當地簡單了！

不過如此一來，也代表大部分的 GPU 配置動作都是交給編譯器自動決定、處理了，所以接下來要擔心的，可能就是編譯器在自動最佳化方面的效率（包括了記憶體在 CPU / GPU 間的複製、以及平行化的工作配置）了～

另外，由於這項功能是基於微軟 DirectX 11 中的 DirectCompute 來實作的，所以這也代表了 C++ AMP 這項技術也會被綁在 Windows Vista / Windows 7 以後的作業系統上，而不像 CUDA、OpenCL 可以跨平台了…這點對於要開發跨平台程式的人來說，就覺得比較悲哀了。

不過由於微軟是把 C++AMP 當作一個開放規格（open specification），所以理論上其他編譯器應該也可以自己支援 C++ AMP 的語法。而如果 restrict() 可以有 direct3d 和 cpu 以外的選項的話，那其他編譯器應該也可以用 DirectCompute 以外的方法來實作（例如 OpenCL），這樣應該就可以跨平台支援了。不過這樣一來，重點就是有多少編譯器願意支援了。

而由於這項功能是會整合在下一版的 Visual Studio 裡，所以看來短時間內應該都還沒有辦法玩到了。現在，也就只能慢慢期待，微軟趕快推出有這項功能的產品囉～