我在 NVRTC 编译了一个内核:
__global__ void kernel_A(/* args */) {
unsigned short idx = threadIdx.x;
unsigned char warp_id = idx / 32;
unsigned char lane_id = idx % 32;
/* ... */
}
我知道整数除法和模运算在 CUDA GPU 上的成本非常高。但是我认为这种 2 的幂除法应该优化为位运算,直到我发现它不是:
__global__ void kernel_B(/* args */) {
unsigned short idx = threadIdx.x;
unsigned char warp_id = idx >> 5;
unsigned char lane_id = idx & 31;
/* ... */
}
kernel_B
似乎运行得更快。当忽略内核中的所有其他代码时,以 1024 个大小为 1024 的 block 启动时,nvprof
显示 kernel_A
平均运行 15.2us,而 kernel_B
平均运行 7.4us。我推测 NVRTC 没有优化整数除法和模数。
结果是在 GeForce 750 Ti、CUDA 8.0 上获得的,取 100 次调用的平均值。提供给 nvrtcCompileProgram()
的编译器选项是 -arch compute_50
。
这是预期的吗?
最佳答案
在代码库中进行了彻底的错误扫描。原来我的应用程序是在 DEBUG
模式下构建的。这会导致额外的标志 -G
和 -lineinfo
传递给 nvrtcCompileProgram()
来自 nvcc
手册页:
--device-debug
(-G)
Generate debug information for device code. Turns off all optimizations. Don't use for profiling; use -lineinfo instead.
关于optimization - 为什么 NVRTC 不优化我的整数除法和模运算?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44300294/