# PP Assignment 5
###### tags: `PP`
:::info
**Webpage**
[Description](https://nycu-sslab.github.io/PP-f22/assignments/HW5/)
:::
## Q1
:::success
What are the pros and cons of the three methods? Give an assumption about their performances.
:::
**Answer**
|Method #|pros|cons|
|-|-|-|
|1|1. 每個thread的處理簡單，只要處理單一筆資料即可 2. 使用分頁記憶體可以透過虛擬記憶體進行與固態硬碟的資料轉換 記憶體不容易耗盡|因為使用```malloc```做分頁 所以在進行GPU運算時會需要呼叫API來搬移到臨時記憶體 再搬移到GPU上|
|2|1. 使用```cudaHostAlloc```將global memory以pinned memory方式儲存 因為不可分頁所以保證記憶體一定會在物理上的記憶體空間中 不用再考慮轉移的API 2. 以```cudaMallocPitch```來操作二維數據 保證數組每一行首元素的地址都按照256或512倍數對齊 進而提高訪問效率|1. 因為每個資料都要寫上，所以記憶體容易不足 可能會影響其他元件的效能 2. 如果資料不是256倍數就會有剩下 還要額外宣告把尾數補齊|
|3|每個thread處理資料量多 可以節省運算資源 不用開立這麼多的thread|每個thread處理的資料量更多 原本單一資料的處理時間差加總起來會拉大差距 每個thread完成的時間會差更多|

## Q2
:::success
How are the performances of the three methods? Plot a chart to show the differences among the three methods
- for VIEW 1 and VIEW 2, and
- for different ```maxIteration``` (1000, 10000, and 100000).
:::
**Answer**
#### view 1
|interations|serial|thread #1|thread #2|thread #3|
|-|-|-|-|-|
|1000|1725.594|8.863|8.978|9.755|
|10000|16960.565|33.785|33.714|40.013|
|100000|169476.876|289.438|289.394|353.403|


#### view 2
|interations|serial|thread #1|thread #2|thread #3|
|-|-|-|-|-|
|1000|348.810|6.274|6.274|6.252|
|10000|1213.638|9.059|9.107|9.137|
|100000|9826.172|30.132|30.562|30.726|


## Q3
:::success
Explain the performance differences thoroughly based on your experimental results. Does the results match your assumption? Why or why not.
:::

**Answer**
- 首先先分析兩張圖片，可以發現第一張圖的執行時間都比第二張圖久，這件事情牽涉到兩張圖的密集程度，可以發現第一張圖的白色區塊多於第二張圖，而在Assignment 2中有提到```the brightness of each pixel is proportional to the computational cost of determining whether the value is contained in the Mandelbrot set```，因此可以知道第一張圖的計算量大並且密集

- 不僅如此，因為cuda的作法是分成256個區塊，所以可以將兩張圖切割成256等分來觀察，在view 1裡面可以發現某些區塊顏色是全黑的，但在view 2裡面本身的底色就已經不是全黑；view 1裡面也有多處的全白，而view 2的每個區塊都至少會有包含接近底色的區域。由此可知就分布來說view 2也比較均勻，對於平行加速有較大的優勢
- 接下來可以分成三種方法做比較，因為method 3是在同一個thread裡面部屬多個pixels，所以受到上述所提到的分布不均影響更大，造成method 3整體的效能低於前兩者，這個現象也因為view 1較不均勻所以在view 1的傷害更大，可以看到加速倍率在view 1都比其他方法低很多
- 而method 1跟method 2的相比主要是差在allocate memory的方式，但因為主要計算都是針對單一pixel進行所以相距不大
## Q4
:::success
Can we do even better? Think a better approach and explain it. Implement your method in ```kernel4.cu```
:::
**Answer**
- 由於第一種方式是最簡以及最快的，因此針對第一種進行改良，最直接的改良方式就是不去重新allocate新的記憶體，直接放入答案的記憶體中
- 由下面兩張圖可以發現不重新allocate的確可以達到加速效果