Robust/src/Benchmarks/Prefetch/2DConv/dsm/Convolution.java

   1 public class Convolution extends Thread {
   2   Image img;
   3   int x0,x1,y0,y1;
   4
   5   public Convolution(Image img, int x0, int x1, int y0, int y1) {
   6     this.img = img;
   7     this.x0 = x0;
   8     this.x1 = x1;
   9     this.y0 = y0;
  10     this.y1 = y1;
  11   }
  12
  13   public void run() {
  14     int kernelHeight = 5;
  15     int kernelWidth = 5;
  16     double[][] kernel = new double[kernelHeight][kernelWidth];
  17
  18     atomic {
  19       initKernel(kernel);
  20       double tempinput[][] = img.inputImage;
  21       double tempout[][] = img.outputImage;
  22
  23       double tinput1[] = tempinput[x0];
  24       double tinput2[] = tempinput[x0+1];
  25       double tinput3[] = tempinput[x0+2];
  26       double tinput4[] = tempinput[x0+3];
  27       double tinput0[] = tinput1;
  28
  29       int l=x0+4;
  30       for(int i=x0;i<x1;i++,l++){
  31         double tout[] = tempout[i];
  32         tinput0 = tinput1; tinput1=tinput2; tinput2=tinput3; tinput3=tinput4; tinput4=tempinput[l];
  33         for(int j=y0;j<y1;++j){
  34           tout[j] = 0;
  35           for(int b=0;b<kernelHeight;++b){
  36             tout[j] = tout[j] + (tinput0[j+b] * kernel[0][b] + tinput1[j+b] * kernel[1][b] + tinput2[j+b]*kernel[2][b] +
  37                 tinput3[j+b]*kernel[3][b] + tinput4[j+b]*kernel[4][b]);
  38           }
  39         }
  40       }
  41     }
  42   }
  43
  44   public static void main(String[] args) {
  45     int SIZE = 256;
  46     int NUM_THREADS = 1;
  47     if(args.length>0) {
  48       NUM_THREADS = Integer.parseInt(args[0]);
  49       if(args.length>1)
  50         SIZE = Integer.parseInt(args[1]);
  51     }
  52
  53     int[] mid = new int[8];
  54     mid[0] = (128<<24)|(195<<16)|(175<<8)|84; //dw-10
  55     mid[1] = (128<<24)|(195<<16)|(175<<8)|85; //dw-11
  56     mid[2] = (128<<24)|(195<<16)|(175<<8)|86; //dw-12
  57     mid[3] = (128<<24)|(195<<16)|(175<<8)|87; //dw-13
  58     mid[4] = (128<<24)|(195<<16)|(175<<8)|88; //dw-14
  59     mid[5] = (128<<24)|(195<<16)|(175<<8)|89; //dw-15
  60     mid[6] = (128<<24)|(195<<16)|(175<<8)|90; //dw-16
  61     mid[7] = (128<<24)|(195<<16)|(175<<8)|91; //dw-17
  62
  63     Image img;
  64     Convolution[] conv;
  65     Convolution tmp;
  66
  67     int kernelHeight = 5;
  68     int kernelWidth = 5;
  69     atomic {
  70       img = global new Image(SIZE,SIZE,kernelHeight,kernelWidth);
  71       img.setValues();
  72       conv = global new Convolution[NUM_THREADS];
  73       int increment=SIZE/NUM_THREADS;
  74       int base = 0;
  75       for(int i = 0; i<NUM_THREADS; i++) {
  76         if((i+1)==NUM_THREADS)
  77           conv[i] = global new Convolution(img, base, SIZE, 0, SIZE);
  78         else
  79           conv[i] = global new Convolution(img, base, base+increment, 0, SIZE);
  80         base+=increment;
  81       }
  82     }
  83
  84     /*
  85     atomic{
  86       System.printString("img.outputImage[10][20] = " +(int) img.outputImage[10][20] + "\n");
  87       System.printString("img.outputImage[256][890] = " +(int) img.outputImage[256][890] + "\n");
  88     }
  89     */
  90
  91     for(int i = 0; i <NUM_THREADS; i++) {
  92       atomic {
  93         tmp = conv[i];
  94       }
  95       tmp.start(mid[i]);
  96     }
  97
  98     for(int i = 0; i < NUM_THREADS; i++) {
  99       atomic {
 100         tmp = conv[i];
 101       }
 102       tmp.join();
 103     }
 104     System.printString("Done!");
 105
 106     /*
 107     atomic{
 108       System.printString("img.outputImage[10][20] = " +(int) img.outputImage[10][20] + "\n");
 109       System.printString("img.outputImage[256][890] = " +(int) img.outputImage[256][890] + "\n");
 110     }
 111     */
 112   }
 113
 114   //define 5X5 Gaussian kernel
 115   public void initKernel(double[][] kernel) {
 116     kernel[0][0] = 1/256.0;
 117     kernel[0][1] = 4/256.0;
 118     kernel[0][2] = 6/256.0;
 119     kernel[0][3] = 4/256.0;
 120     kernel[0][4] = 1/256.0;
 121     kernel[1][0] = 4/256.0;
 122     kernel[1][1] = 16/256.0;
 123     kernel[1][2] = 24/256.0;
 124     kernel[1][3] = 16/256.0;
 125     kernel[1][4] = 4/256.0;
 126     kernel[2][0] = 6/256.0;
 127     kernel[2][1] = 24/256.0;
 128     kernel[2][2] = 36/256.0;
 129     kernel[2][3] = 24/256.0;
 130     kernel[2][4] = 6/256.0;
 131     kernel[3][0] = 4/256.0;
 132     kernel[3][1] = 16/256.0;
 133     kernel[3][2] = 24/256.0;
 134     kernel[3][3] = 16/256.0;
 135     kernel[3][4] = 4/256.0;
 136     kernel[4][0] = 1/256.0;
 137     kernel[4][1] = 4/256.0;
 138     kernel[4][2] = 6/256.0;
 139     kernel[4][3] = 4/256.0;
 140     kernel[4][4] = 1/256.0;
 141   }
 142 }
 143
 144 public class Image {
 145   int width, height;
 146   int kernelWidth, kernelHeight;
 147   double[][] inputImage;
 148   double[][] outputImage;
 149
 150   public Image(int width, int height, int kernelWidth, int kernelHeight) {
 151     this.width = width;
 152     this.height = height;
 153     this.kernelWidth = kernelWidth;
 154     this.kernelHeight = kernelHeight;
 155     inputImage = global new double[height+kernelHeight-1][width+kernelWidth-1];
 156     outputImage = global new double[height][width];
 157   }
 158
 159   /* Create a valid image */
 160   public void setValues() {
 161     for (int i = 0; i < (height+kernelHeight - 1); i++) {
 162       double ainput[] = inputImage[i];
 163       for(int j = 0; j < (width+kernelWidth - 1); j++) {
 164         ainput[j] = 256-j;
 165       }
 166     }
 167
 168     for (int i = 0; i < height; i++){
 169       double aout[] = outputImage[i];
 170       for(int j = 0; j < width; j++) {
 171         aout[j] = 0;
 172       }
 173     }
 174   }
 175 }