c++ - 如何在设备内存中有效地随机播放数据？

Question

问题

在设备全局内存中移动许多随机(非合并)值时，哪种方法最有效？

注意:许多值大于 500。

上下文

我从事 GPU 的遗传算法实现已有一段时间了，我一直在努力在我的框架的灵 active 和 GPU 架构的微优化之间挣扎。 GA 数据始终驻留在 GPU 中。只有最佳代解决方案被复制到主机内存。

详细场景

我正在优化迁移功能。这里基本上很少有数据在设备全局内存中随机播放。但是我以这样的方式获得了我的数据顺序，它为 GA 运算符内核线程的内存访问方案合并，这使得洗牌一对“基因组”，一个跨越单个 FLOAT 值的问题，并以相同的跨步方式将它们与另一个基因组交换。

已知解决方案

问题不在于内存带宽，而是调用延迟和线程阻塞导致进程停滞的问题。

1. 我写了几个设备内核，其功能只是在地址之间移动值。这将启动一个内核(具有非常低的占用率、不同的代码和随机内存访问......因此它运行的小代码将被序列化)，但只需对设备进行两次内核调用即可完成工作。

   • 第一个内核将值复制到缓冲区数组。
   • 第二次内核交换值。

2. 我知道我可以为每个值使用 cudaMemcpy，但这需要多次调用 cudaMemCpy，我认为这是同步的调用。

简化的代码示例:

int needed_genome_idx = 0; // Some random index.
for(int nth_gene = 0; nth_gene < num_genes; ++nthgene)
{
  cudaMemcpy(genomes_buffer + nth_gene,
             src + needed_genome_idx + nth_gene * stride_size, // stride_size being a big number, usually equal to the size of the GA population.
             sizeof(float),
             cudaMemCpyDeviceToDevice);
}

这是可行的解决方案吗？使用 cudaMemCpyAsync 会有助于提高性能吗？

是否有更好的方法，或者至少是更优雅的方法来执行此类内存操作？

Answer 1

你可以尝试写一个内核来完成shuffle，也许比调用cudaMemcpy那么多次效率更高。