本小节实验运行的GPU为Nvidia Tesla K20M，处理时钟706MHz，CUDA core2496个，warp大小为32。

5.5.2小节的CPU端的最近邻插值resize算法与GPU端的最近邻插值resize算法在channel=1和channel=3进行性能对比，其实验结果如图5-28所示，resize算法相对于串行resize算法在channel=1和channel=3加速比分别为34.60和35.26。

图5-28 最近邻插值resize算法对比

5.5.2小节的CPU端的双线性插值resize算法与GPU端的双线性resize算法在channel=1和channel=3进行性能对比，其实验结果如图5-29所示，resize算法相对于串行resize算法在channel=1和channel=3加速比分别为36.25和31.35。

图5-29 双线性插值resize算法对比

通过对512×512的源图像进行各种resize算法，通过把目标图像放大为（512×times）×（512×times）的规模，其中times=1、2、4。

通道1的情况各resize算法效果如图5-30（见彩插）所示。可以看出在不同的数据规模下，Vectorize_gpuResize_Linear版本均有良好的效果，而CoalescedWrite_gpuResize_Linear版本和CoalescedRead_gpuResize_Linear版本均不及Vectorize_gpuResize_Linear。下面给出分析的原因，对于CoalescedWrite_gpuResize_Linear而言，在通道1下单元数据只有1个，对global memory的操作为合并写入操作，但对Vectorize_gpuResize_Linear而言同样是合并写入，只有当单元数据大于1时，连续线程访问的数据才产生跳跃，因此在通道1的情况下，CoalescedWrite_gpuRe-size_Linear版本存在多余的对share memory的操作，因此性能下降。对于Coa-lescedRead_gpuResize_Linear而言，由于单元数据为1，因此对share memory的利用率不高，虽然其性能相比于基础实现已经能有较大提升，但相对于Vectorize_gpuResize_Linear版本而言，其对share memory操作所带来的延迟可能更严重。(www.daowen.com)

图5-30 通道1下resize算法性能对比

像素点的通道数为3的实验结果如图5-31（见彩插）所示，可以清晰看出，CoalescedRead_gpuResize_Linear版本在单元数据大于1情况下，其访存方式的优势开始显现，由于一个像素存在3个单元数据，其他版本实现导致相邻线程需要跨址对global memory进行访问，因此导致性能下降，而CoalescedRead_gpuResize_Linear版本通过把多次对global memory的非合并访存转化为对share memory的访问，而在share memory上是不要求对访问进行合并的，从而降低了访存延迟，提升了算法性能。

依据5.3.1小节分析，Vectorize_gpuResize_Linear通过适当地改变线程-数据的映射关系，增加线程的运算量，以提升开启线程的利用率，由图5-30及图5-31可知，适当的向量化强度能够提升resize算法的效率，尤其在通道1的情况下，因为通道1只含有1个单元数据，在适当数据规模下，虽然存在对globalmem-ory的非合并读入操作，但其带来的性能影响可能与CoalescedWrite_gpuResize_Linear版本中对增加的share memory的操作产生抵消作用，此外，对global memory的写入操作，由于不需要跨址操作，符合合并访问，因此性能得到提升。

图5-31 通道3下resize算法性能对比

依据5.5.3小节分析，CoalescedWrite_gpuResize_Linear版本通过引入share memory以消除算法最后对global memory的非合并写入方式，但性能却没有得到预想中的提升。如图5-30及图5-31所示。部分原因如前面分析所示，即使在通道3的情况下，相邻线程对global memory的写入需要跨越3个单元数据进行访问，但因为三个操作代码是连续写入，极有可能编译器进行了合并写入优化，这是不可预知的。另一个原因在于由于跨址长度只为3个单元数据宽度，而不是更长，而算法版本中增加了对share memory的写入和读取操作，可能一定程度上带来了性能的下降，但CoalescedWrite_gpuResize_Linear版本仍然优于基础实现。

依据5.5.3小节和图5-31可知，在数据规模大、通道数为3的情况下，基于Vectorize_gpuResize_Linear基础上进行优化的CoalescedRead_gpuResize_Linear版本拥有相较于其他resize版本更好的优势。对于每个像素点含有数据单元为3的图像，每一次进行reszie算法运算时，只需要进行一次的运算过程就可以确立三个数据单元的位置，其效率无疑高于通道1的情况，而且由于block所需源图像的信息已经拷贝至share memory，数据量越多，则对share memory的利用率越高，更有效地降低了Vectorize_gpuResize_Linear中对global memory的不规则访问所带来的性能下降。依据图5-29和图5-31，在源图像为512×512，目标图像为1024×1024的数据规模下，CoalescedRead_gpuResize_LinearResize算法版本的运行时间为0.2199ms，相较于串行resize算法12.299ms的运行时间，其加速比达55.61。