带CUDA的OpenCV C++与CUDA-C的时间测量方法咨询

1. 你给出的代码片段的有效性 #

你提供的cudaEventCreate代码是创建CUDA事件的正确步骤，但这只是测量流程的第一步，单独这段代码无法完成耗时统计，需要补充完整的测量逻辑。

2. 完整的CUDA耗时测量流程 #

不管是测试你的CUDA-C实现，还是OpenCV的CUDA版本图像相加，都可以用CUDA事件来准确测量GPU操作的耗时，完整步骤如下：

测量自定义CUDA-C实现的耗时 #

cudaEvent_t start, stop;
float elapsed_time;

// 创建事件
cudaEventCreate(&start);
cudaEventCreate(&stop);

// 记录开始事件（确保GPU在记录前完成之前的操作）
cudaEventRecord(start, 0);

// 执行你的自定义CUDA图像相加函数
your_custom_cuda_add_image_func(img1, img2, result);

// 记录结束事件，并等待事件完成（确保GPU操作结束）
cudaEventRecord(stop, 0);
cudaEventSynchronize(stop);

// 计算耗时（单位：毫秒）
cudaEventElapsedTime(&elapsed_time, start, stop);
printf("自定义CUDA-C实现耗时：%.3f ms\n", elapsed_time);

// 销毁事件
cudaEventDestroy(start);
cudaEventDestroy(stop);

测量OpenCV CUDA版本的耗时 #

对于OpenCV的CUDA实现（比如cv::cuda::add），同样可以用CUDA事件测量，因为OpenCV的CUDA操作是在GPU上执行的，CUDA事件可以捕获其真实耗时：

cudaEvent_t start, stop;
float elapsed_time;

cudaEventCreate(&start);
cudaEventCreate(&stop);

// 注意：如果图像在CPU内存，需先上传到GPU（若不需要统计上传耗时，放在事件记录前）
cv::cuda::GpuMat gpu_img1(img1), gpu_img2(img2), gpu_result;

cudaEventRecord(start, 0);

// 执行OpenCV CUDA图像相加
cv::cuda::add(gpu_img1, gpu_img2, gpu_result);
// 可选：若需将结果回传CPU，这一步耗时若要统计就放在事件内，否则放在外面
// gpu_result.download(result);

cudaEventRecord(stop, 0);
cudaEventSynchronize(stop);

cudaEventElapsedTime(&elapsed_time, start, stop);
printf("OpenCV CUDA实现耗时：%.3f ms\n", elapsed_time);

cudaEventDestroy(start);
cudaEventDestroy(stop);

3. 对比时的注意事项 #

• 排除无关耗时：图像从CPU到GPU的上传、GPU到CPU的下载操作，若不是核心对比逻辑，要放在事件记录外，只统计核心相加操作的耗时。
• 多次取平均：单次测量可能存在误差，建议重复执行多次操作，取平均耗时作为最终结果，避免偶然因素干扰。
• 保证环境一致：对比时使用相同尺寸、格式的输入图像，相同的GPU设备、CUDA及OpenCV版本，确保对比公平性。

4. 结论 #

你给出的cudaEventCreate代码是可行的，但需要补充完整的事件记录、同步和耗时计算步骤，才能完成两种实现的耗时对比。按照上述完整流程，就能准确统计出哪种实现更快。

内容的提问来源于stack exchange，提问作者CisMine