我有两个计算类似内容的 CUDA 内核。一种是使用全局内存(myfun
是一个从全局内存读取大量数据并进行计算的设备函数)。第二个内核将该数据 block 从全局内存传输到共享内存,以便数据可以在 block 的不同线程之间共享。我使用全局内存的内核比使用共享内存的内核快得多。可能的原因有哪些?
loadArray
只是将 d_x
的一小部分复制到 m
。
__global__ void mykernel(float *d_x, float *d_y, int *d_z, float *d_u, int N, int K, int D)
{
int tid = blockIdx.x*blockDim.x + threadIdx.x;
int index = 0;
float max_s = 1e+37F;
if (tid < N)
{
for (int i = 0; i < K; i++)
{
float s = myfun(&d_x[i*D], d_y, tid);
if (s > max_s)
{
max_s = s;
index = i;
}
}
d_z[tid] = index;
d_u[tid] = max_s;
}
}
使用共享内存:
__global__ void mykernel(float *d_x, float *d_y, int *d_z, float *d_u, int N, int K)
{
int tid = blockIdx.x*blockDim.x + threadIdx.x;
int index = 0;
float max_s = 1e+37F;
extern __shared__ float m[];
if( threadIdx.x == 0 )
loadArray( m, d_x );
__syncthreads();
if (tid < N)
{
for (int i = 0; i < K; i++)
{
float s = myfun(m, d_y, tid);
if (s > max_s)
{
max_s = s;
index = i;
}
}
d_z[tid] = index;
d_u[tid] = max_s;
}
}
最佳答案
问题在于,只有每个 block 中的第一个线程从全局内存读取到共享内存,这比让所有线程同时从全局内存读取要慢得多。
当单个线程需要访问全局内存中的相邻元素时,使用共享内存是一个优势 - 但这里的情况似乎并非如此。
关于c++ - CUDA 中的全局内存与共享内存,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/4676311/