基于GPU的Julia集应用程序

配置好CUDA编译环境之后，vs创建一个CUDA的项目，会自动包含一个.cu文件，可以在当前文件中编写。

因为当前的项目需要用到其他的头文件和库，需要加入对应的路径，这个和别的工程是一样的。

1. 头文件目录

2. 库文件目录

3. 添加库文件名

4. 拷贝DLL到指定的路径

当前实例的结果如下图：

示例代码如下：

/*
* Julia集可以简单的认为时某个复数计算函数的所有点构成的边界
*/
#include "cuda_runtime.h"
#include "cpu_bitmap.h"
#include <device_launch_parameters.h>#include "stdio.h"
// 图像的维度
#define DIM 1000// 
struct cuComplex {float r;float i;__device__ cuComplex(float a, float b) :r(a), i(b) {}__device__ float magnitude2() { return r * r + i * i; }__device__ cuComplex operator*(const cuComplex& a) {return cuComplex(r * a.r - i * a.i, i * a.r + r * a.i);}__device__ cuComplex operator+(const cuComplex& a) {return cuComplex(r + a.r, i + a.i);}
};
// 将像素坐标转换为复数空间坐标
__device__ int julia(int x, int y) 
{// 图形的缩放const float scale = 1.5;// 将复平面的原点定位到图像中心，像素位置平移DIM/2// 为了确保图像的范围为 -1~1，将图像的坐标缩放了DIM/2// 给定的一个图像点（x,y），可以计算得到复空间中的一个点（(DIM/2 - x)/(DIM/2),(DIM/2 - y)/(DIM/2)）float jx = scale * (float)(DIM / 2 - x) / (DIM / 2);float jy = scale * (float)(DIM / 2 - y) / (DIM / 2);cuComplex c(-0.8, 0.156);cuComplex a(jx,jy);// 通过迭代之后和阈值的判断，来确认当前的坐标是否是julia值for (int i = 0; i < 200; i++) {a = a * a + c;if (a.magnitude2() > 1000){return 0;}}return 1;
}__global__ void kernel(unsigned char* ptr)
{// 因为运行kernel时申请的是二位线程网格// 因为声明线程格时，线程格每一维的大小和图像每一维的大小时相等的// 因此在(0,0)和(DIM-1,DIM-1)之间的每个像素点(x,y)都能获得一个线程块int x = blockIdx.x;int y = blockIdx.y;// 对于所有的线程块，gridDim是一个常数，用来保存线程格每一维的大小，当前实例中gridDim=(DIM,DIM)// 将行索引乘以线程格的宽度，再加上列索引，就是ptr的唯一索引，其取值范围是（DIM*DIM-1）int offset = x + y * gridDim.x;int juliaValue = julia(x, y);ptr[offset * 4 + 0] = 255 * juliaValue;ptr[offset * 4 + 1] = 0;ptr[offset * 4 + 2] = 0;ptr[offset * 4 + 3] = 255;
}int main()
{// 创建指定尺寸的位图CPUBitmap bitmap(DIM, DIM);// 设备上数据的副本unsigned char* dev_bitmap;cudaMalloc((void**)&dev_bitmap, bitmap.image_size());// 二维的线程格dim3 grid(DIM, DIM);kernel << <grid, 1 >> > (dev_bitmap);cudaMemcpy(bitmap.get_ptr(),dev_bitmap,bitmap.image_size(),cudaMemcpyDeviceToHost);bitmap.display_and_exit();cudaFree(dev_bitmap);return 0;
}