CUDA C 编程指南(第 70 页)说,
Global memory resides in device memory and device memory is accessed via 32-, 64-, or 128-byte memory transactions. These memory transactions must be naturally aligned: Only the 32-, 64-, or 128-byte segments of device memory that are aligned to their size (i.e. whose first address is a multiple of their size) can be read or written by memory transactions.
所以,如果我想在 device 函数中一次访问 32、64 或 128 个连续字节,(例如复制到共享内存)什么是最合适的函数(或赋值)对于这个操作?
传统的C memcpy 函数似乎不能一次访问32 个字节(非常慢)。因为这不是矢量数据,所以我希望单个线程一次读取该数据。
到dbaupp
memcpy 运行良好,但我说的是速度。 例如,假设我有设备内存指针 p 并在设备函数中运行以下代码。
a) 字符 c[8]; memcpy(c, p, 8);
b) 字符 c[8]; * (双 * )c = * (双 * )p;
对于以上两种情况,结果相同,但情况 b 比情况 a 快近 8 倍(我在我的代码中测试并确认)。
仅供引用,cudaMemcpy 函数在设备函数中不起作用。
所以,我想知道是否有任何方法可以在一次操作中复制 16 个字节。 (希望比 memcpy(c, p, 16); 快 16 倍)
最佳答案
您并非 100% 清楚您要尝试做什么。如果您尝试将数据从全局复制到共享内存,那么它可能具有某种结构,例如char
或 float
之类的数组。以下答案将假定您正在处理一个 char
数组(您可以将 char
替换为任何数据类型)。
总结:不要考虑一次显式访问 32/64/128 字节,只需编写代码以便合并内存访问即可。
您可以使用 CUDA 随心所欲地访问数据,就像在普通的 C/C++ 中一样。您甚至可以深入到单个字节。编程指南所说的是,无论何时访问数据,都必须读取 32/64/128 字节的 block 。例如。如果你有 char a[128]
并且想得到 a[17]
那么 GPU 必须从 a[0]
读取到a[31]
可以得到a[17]
中的数据。这是透明发生的,因为您不需要任何不同的代码来访问单个字节。
主要考虑的是内存访问速度:如果必须为每个信息字节读取 31 个垃圾字节,那么您的有效内存带宽将减少 32 倍(这也意味着您必须进行更多的全局内存访问, 这是 sloowww)!
但是,GPU 上的内存访问可以跨线程“合并”在一个 block 中(this question 为优化合并提供了一个合理的起点。)。简而言之,合并允许 block 中多个线程同时发生的内存访问可以“批处理”在一起,因此只需要进行一次读取。
重点是合并发生在一个 block 内的线程之间(而不是在单个线程内),因此对于复制到共享内存,我们可以这样做(array
是一个数组全局内存中的 char
:
__shared__ char shrd[SIZE];
shrd[threadIdx.x] = array[blockDim.x * blockIdx.x + threadIdx.x];
__syncthreads();
这将使每个线程将一个字节复制到共享数组中。这个 memcpy 操作基本上是并行发生的,数据访问是合并的,所以没有浪费带宽(或时间)。
上述策略比让单个线程逐字节迭代和复制要好得多多。
也可以将数组的每个 n 字节 block 视为单个 n 字节数据类型,并让每个线程复制它。例如对于 n==16,对 uint4
__shared__ char shrd[SIZE];
((uint4*)shrd)[threadIdx.x] = ((uint4*)array)[blockDim.x * blockIdx.x + threadIdx.x];
__syncthreads();
这将允许每个线程一次复制 16 个字节。关于那段代码的注释:
- 我没有对其进行测试或基准测试
- 我不知道这是否是好的做法(我强烈希望它不是)。
- 索引按 16 缩放(例如
threadIdx.x == 1
对应于写入shrd[16],shrd[17],...,shrd[31]
)
作为旁注:根据您的具体用例,built-in cudaMemcpy functions可能会有用。
关于CUDA全局内存拷贝,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10833953/