我在 Stack Overflow 上阅读了两篇文章，即 Will the cublas kernel functions automatically be synchronized with the host?和 CUDA Dynamic Parallelizm; stream synchronization from device他们建议在调用 cuBLAS 函数后使用一些同步 API，例如 cudaDeviceSynchronize()。我不确定使用这样一个通用函数是否有意义。
这样会不会更好？ [如果我错了请纠正我]:
cublasHandle_t cublas_handle;
cudaStream_t stream;
// Initialize the matrices
CUBLAS_CALL(
cublasDgemm(cublas_handle, CUBLAS_OP_N, CUBLAS_OP_N, M, M,
M, &alpha, d_A, M, d_B, M, &beta, d_C, M));
// cublasDgemm is non-blocking!
cublasGetStream(cublas_handle, &stream);
cudaStreamSynchronize(stream);
// Now it is safe to copy the result (d_C) from the device
// to the host and use it
另一方面，如果使用大量流/句柄来执行并行 cuBLAS 操作，则可以优先使用 cudaDeviceSynchronize。 cuBLAS 句柄同步的“最佳实践”是什么？ cuBLAS 句柄是否可以被视为流的包装器，因为它们从同步的角度来看具有相同的目的？
最佳答案
如果您使用单个流，那么无论您是同步该流还是使用 cudaDeviceSynchronize() 都没有区别。在性能和效果上应该是完全一样的。请注意，当使用事件对代码的一部分计时时(例如，一个 cublas 调用)，调用 cudaDeviceSynchronize() 以获得有意义的测量值始终是一个好习惯。根据我的经验，它不会强加任何显着的开销，此外，用它来为你的内核计时更安全。
如果您的应用程序使用多个流，那么只对您想要的流进行同步是有意义的。我相信this question会对你有所帮助。此外，您还可以阅读 CUDA C 编程指南，Section 3.2.5.5 .
关于cuBLAS 同步最佳实践，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/22988733/