Hyeseong Kim

3D Computer Vision & Medical AI Researcher

4 minute read

CUDA Programming Tutorial 1

CUDA is a programming language for GPU, so it enables faster parallel computation, thus making pytorch faster.

image

CUDA does parallel computation and return the output to pytorch.

So the actual important part is on cuda, not c++.

c++ is only a bridge that connect pytorch and cuda.

본 tutorial 1에서는 NeRF의 volume rendering을 쉬운 버전으로 만들어볼 것입니다.

  • trilinear interpolation으로 8 vertices로부터 feature f를 얻는 것을 구현할 것입니다.

image

image

  • tutorial 1에서는 cuda없이 c++ bridge만 써볼 것입니다.
  • vscode에서 conda로 python 가상환경을 만듭니다.

  • interpolation.cpp 파일을 만들고, c++ bridge를 여기에 작성해서 pytorch와 cuda를 연결할 것입니다.

    image

  • code가 pytorch로부터 tensors를 받으므로, c++가 tensor가 뭔지 알게 하도록 하기 위해, #include <torch/extension.h>를 작성해줍니다.

    • 이때 빨간줄이 나오는데, ctrl+shift+p를 누르고 C/C++: Edit Configurations (UI)를 선택해주어, 빨간줄을 없앱니다.

      image

    • C/C++: Edit Configuration (JSON)을 선택하고 includePath에 python과 pytorch path를 conda environment에 경로로 추가해줍니다.

      image

  • 파일을 저장하면 #include <torch/extension.h>의 빨간 밑줄이 사라졌습니다.

image

tutorial 1에서는 placeholder만 작성할 것입니다. 왜냐하면 실제 computation은 cpp 파일이 아니라 cuda 파일에서 실행되기 때문입니다.

  • 따라서 cpp 파일에서는 function name, input and output만 작성하면 됩니다.

image

  • trilinear interpolation으로 function name과 input인 feats, point와 output인 return feats를 Tensor로 아래와 같이 작성합니다.

image

image

  • c++은 cuda execution을 call하기 위한 함수를 정의합니다.
  • c++은 python을 call하기 위한 interface를 제공합니다. (이것이 cpp에서 정의한 함수를 python에서 call할 수 있는 이유입니다.)

만약 python에서 c++를 call해봤다면, pybind라는 library를 아실텐데, 이 library는 python으로부터 c++ code를 불러오는 방법을 제공합니다.

이 pybind라는 library는 pytorch와 관련될 필요는 없습니다. 예를 들어, opencv code가 사용될 수도 있습니다.

우리가 할일은 이런 pybind interface를 사용해 python에서 c++ 함수를 call할 수 있도록 방법을 제공해주는 것입니다.

  • 첫번째 인자는 python으로부터 불려질 function name: "trilinear_interpolation"
  • 두번째 인자는 불려진 c++ function인 trilinear_interpolation입니다.
  • 아래처럼 PYBIND11_MODULE로 첫번째 인자, 두번째 인자를 넣어주면 c++ bridge를 성공적으로 만든 것입니다.

image

c++에서 작성한 이 함수를 python에서 어떻게 불러오는지 해봅시다.

  • c++에서 작성한 함수를 불러오기 위해서는 작성한 c++ 코드를 먼저 build 해야합니다.
  • c++는 다른 곳에서 call 되기 위해서는 compiling과 building을 요구합니다.
  • setup.py로 c++ 코드를 compiling과 building을 할 수 있습니다.

image

image

setup.py에서 c++ 코드가 어떻게 bulit 될 것인지 정의합니다.

  • 아래 내용을 copy and paste해서 수정하면 됩니다.
  • name은 package의 이름을 설정하는 것이고, 나머지는 부가적입니다.
  • 가장 중요한 부분은 ext_modules입니다.

    • 먼저 build하고 싶은 c++ 코드를 sources의 리스트 안에 써줍니다. (여러개 있으면, 콤마로 이어서 다른 cpp 파일도 써줍니다.)

      image

    • 마지막으로 cmdclass는 우리가 code를 building한 다는 것을 알려주는 부분입니다.

마지막으로 pip version을 python -m pip install pip -U로 업그레이드하고, setup.py로 c++ 코드를 build 해봅시다.

  • path는 setup.py가 위치한 곳입니다. 우리는 현재 current folder에 setup.py가 위치하므로 그냥 현재위치를 나타내는 .을 path로 넣어주면 됩니다.
  • pip install .을 입력하면 시간이 좀 걸리면서 build가 완료됩니다.

image

setup.py로 c++ 파일이 build가 완료되면 python test.py 파일에서 불러와서 함수를 사용해봅시다.

  • cppcuda_tutorial에서 torch를 import했으므로 torch를 import 안해도 될 거라 생각할 수 있지만, torch부터 import를 해줘야 합니다.
  • 만약 그렇지 않으면 우리가 c++ 코드로 짠 custom package가 import되지 않습니다.
  • 직접 짠 cppcuda_tutorial c++ 코드에서 trilinear_interpolation 함수를 불러와서 python test.py에서 사용하여 결과까지 성공적으로 도출하였습니다.

image

감사합니다.

실전 에제

diff-gaussian-rasterization/ext.cpp에서 c++ bridge는 다음과 같이 작성하였습니다.

  • 기본적인 #include <torch/extension.h>로 torch가 무엇인지 cpp 파일에게 알려줍니다.
  • ext.cpp파일을 setup.py로 pip install .로 build하면 이제 python 파일에서 c++, cuda로 작성한 함수를 import하여 사용가능합니다.
  • 이때, 앞서 말했듯이 ext.cpp 파일은 오직 pytorch와 cuda를 연결하는 bridge 역할만 합니다.
    • CUDA로 작성한 RasterizeGaussianCUDA는 python 파일에서 rasterize_gaussians로 함수로 불러 사용합니다.
    • CUDA로 작성한 RasterizeGaussiansBackwardCUDA는 python 파일에서 rasterize_gaussians_backward로 함수로 불러 사용합니다.
    • CUDA로 작성한 markVisible는 python 파일에서 mark_visible로 함수로 불러 사용합니다.
    # ext.cpp
/*
 * Copyright (C) 2023, Inria
 * GRAPHDECO research group, https://team.inria.fr/graphdeco
 * All rights reserved.
 *
 * This software is free for non-commercial, research and evaluation use 
 * under the terms of the LICENSE.md file.
 *
 * For inquiries contact  george.drettakis@inria.fr
 */
  
#include <torch/extension.h>
#include "rasterize_points.h"
  
PYBIND11_MODULE(TORCH_EXTENSION_NAME, m) {
  m.def("rasterize_gaussians", &RasterizeGaussiansCUDA);
  m.def("rasterize_gaussians_backward", &RasterizeGaussiansBackwardCUDA);
  m.def("mark_visible", &markVisible);
}

    • rasterize_points.h에서는 c++ 코드로 function name, input, output에 대한 정의를 합니다.

      # rasterize_points.h`
  /*
 * Copyright (C) 2023, Inria
 * GRAPHDECO research group, https://team.inria.fr/graphdeco
 * All rights reserved.
 *
 * This software is free for non-commercial, research and evaluation use 
 * under the terms of the LICENSE.md file.
 *
 * For inquiries contact  george.drettakis@inria.fr
 */
    
#pragma once
#include <torch/extension.h>
#include <cstdio>
#include <tuple>
#include <string>
    	
std::tuple<int, torch::Tensor, torch::Tensor, torch::Tensor, torch::Tensor, torch::Tensor>
RasterizeGaussiansCUDA(
	const torch::Tensor& background,
	const torch::Tensor& means3D,
    const torch::Tensor& colors,
    const torch::Tensor& opacity,
	const torch::Tensor& scales,
	const torch::Tensor& rotations,
	const float scale_modifier,
	const torch::Tensor& cov3D_precomp,
	const torch::Tensor& viewmatrix,
	const torch::Tensor& projmatrix,
	const float tan_fovx, 
	const float tan_fovy,
    const int image_height,
    const int image_width,
	const torch::Tensor& sh,
	const int degree,
	const torch::Tensor& campos,
	const bool prefiltered,
	const bool debug);
    
std::tuple<torch::Tensor, torch::Tensor, torch::Tensor, torch::Tensor, torch::Tensor, torch::Tensor, torch::Tensor, torch::Tensor>
 RasterizeGaussiansBackwardCUDA(
 	const torch::Tensor& background,
	const torch::Tensor& means3D,
	const torch::Tensor& radii,
    const torch::Tensor& colors,
	const torch::Tensor& scales,
	const torch::Tensor& rotations,
	const float scale_modifier,
	const torch::Tensor& cov3D_precomp,
	const torch::Tensor& viewmatrix,
    const torch::Tensor& projmatrix,
	const float tan_fovx, 
	const float tan_fovy,
    const torch::Tensor& dL_dout_color,
	const torch::Tensor& sh,
	const int degree,
	const torch::Tensor& campos,
	const torch::Tensor& geomBuffer,
	const int R,
	const torch::Tensor& binningBuffer,
	const torch::Tensor& imageBuffer,
	const bool debug);
    		
torch::Tensor markVisible(
		torch::Tensor& means3D,
		torch::Tensor& viewmatrix,
		torch::Tensor& projmatrix);

diff-gaussian-rasterization/setup.py에서 실제 build하는 코드는 c++ bridge 코드인 ext.cpp 이외에도 cuda 코드가 여러개 존재합니다.

  • setup.py에서 가장 중요한 부분인 ext_modules에서 sources list에 들어있는 cpp, cu 파일을 build 합니다.
  • 이로써 "cuda_rasterizer/rasterizer_impl.cu", "cuda_rasterizer/forward.cu", "cuda_rasterizer/backward.cu", "rasterize_points.cu", "ext.cpp"에 정의된 함수를 python에서 불러와 사용할 수 있습니다.
#
# Copyright (C) 2023, Inria
# GRAPHDECO research group, https://team.inria.fr/graphdeco
# All rights reserved.
#
# This software is free for non-commercial, research and evaluation use 
# under the terms of the LICENSE.md file.
#
# For inquiries contact  george.drettakis@inria.fr
#

from setuptools import setup
from torch.utils.cpp_extension import CUDAExtension, BuildExtension
import os
os.path.dirname(os.path.abspath(__file__))

setup(
    name="diff_gaussian_rasterization",
    packages=['diff_gaussian_rasterization'],
    ext_modules=[
        CUDAExtension(
            name="diff_gaussian_rasterization._C",
            sources=[
            "cuda_rasterizer/rasterizer_impl.cu",
            "cuda_rasterizer/forward.cu",
            "cuda_rasterizer/backward.cu",
            "rasterize_points.cu",
            "ext.cpp"],
            extra_compile_args={"nvcc": ["-I" + os.path.join(os.path.dirname(os.path.abspath(__file__)), "third_party/glm/")]})
        ],
    cmdclass={
        'build_ext': BuildExtension
    }
)

Reference

Pytorch+cpp/cuda extension 教學 tutorial 1 - English CC -

Leave a comment

You may also enjoy