- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
所以,我有一个代码,它在格子上使用 Kinetic Monte Carlo 来模拟某些东西。我正在使用 CUDA 在我的 GPU 上运行此代码(尽管我相信同样的问题也适用于 OpenCl)。
这意味着我将我的格子分成小的子格子,每个线程都在其中一个上运行。由于我在做 KMC,每个线程都有这个代码:
While(condition == true){
*Grab a sample u from U[0,1]*
for(i = 0; i < 100;i++){
*Do some stuff here to generate A*
if(A > u){
*Do more stuff here, which could include updates to global memory*
break();
}
}
}
最佳答案
GPU 以 32 个线程为一组运行线程,称为 warp。分歧只能发生在经线内。因此,如果您能够以 if
的方式排列线程,条件在整个扭曲中以相同的方式评估,没有分歧。
当 if
中存在分歧时,从概念上讲,GPU 只是忽略了来自线程的结果和内存请求,其中 if
条件为假。
所以,假设 if
计算结果为 true
用于特定经纱中的 10 根线。在里面if
,warp 的潜在计算性能从 100% 降低到 10/32 * 100 = 31%,因为 if
禁用了 22 个线程本来可以工作的,但现在只是在经线中占据空间。
一旦退出 if
,禁用的线程再次启用,扭曲以 100% 的潜在计算性能继续进行。
一个 if-else
行为方式大致相同。当经线到达 else
,在 if
中启用的线程变为禁用,而那些被禁用的变为启用。
在 for
对于 warp 中的每个线程循环不同次数的循环,线程在其迭代计数达到其设定数时被禁用,但整个 warp 必须保持循环,直到具有最高迭代计数的线程完成。
在查看潜在的内存吞吐量时,事情有点复杂。如果算法是内存受限的,那么由于扭曲发散可能不会有太多或任何性能损失,因为内存事务的数量可能会减少。如果 warp 中的每个线程都从全局内存中完全不同的位置读取数据(对于 GPU 来说是一种糟糕的情况),那么每个禁用线程的时间都将被节省下来,因为它们的内存事务不必执行。另一方面,如果线程正在从已针对 GPU 访问优化的数组中读取数据,则多个线程将共享单个事务的结果。在这种情况下,用于禁用线程的值是从内存中读取的,然后与禁用线程可能完成的计算一起丢弃。
所以,现在你可能已经有了足够的了解,可以做出很好的判断,判断扭曲散度会影响你的表现。最坏的情况是warp中只有一个线程处于事件状态。然后您将获得 1/32 = 3.125% 的计算绑定(bind)性能潜力。最好的情况是 31/32 = 96.875%。对于 if
那是完全随机的,你得到 50%。如前所述,内存绑定(bind)性能取决于所需内存事务数量的变化。
关于performance - 分支分歧、CUDA 和动力学蒙特卡洛,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10980593/
这是我关于 Stack Overflow 的第一个问题,这是一个很长的问题。 tl;dr 版本是:我如何使用 thrust::device_vector如果我希望它存储不同类型的对象 DerivedC
我已使用 cudaMalloc 在设备上分配内存并将其传递给内核函数。是否可以在内核完成执行之前从主机访问该内存? 最佳答案 我能想到的在内核仍在执行时启动 memcpy 的唯一方法是在与内核不同的流
是否可以在同一节点上没有支持 CUDA 的设备的情况下编译 CUDA 程序,仅使用 NVIDIA CUDA Toolkit...? 最佳答案 你的问题的答案是肯定的。 nvcc编译器驱动程序与设备的物
我不知道 cuda 不支持引用参数。我的程序中有这两个函数: __global__ void ExtractDisparityKernel ( ExtractDisparity& es)
我正在使用 CUDA 5.0。我注意到编译器将允许我在内核中使用主机声明的 int 常量。但是,它拒绝编译任何使用主机声明的 float 常量的内核。有谁知道这种看似差异的原因? 例如,下面的代码可以
自从 CUDA 9 发布以来,显然可以将不同的线程和 block 分组到同一组中,以便您可以一起管理它们。这对我来说非常有用,因为我需要启动一个包含多个 block 的内核并等待所有 block 都同
我需要在 CUDA 中执行三线性插值。这是问题定义: 给定三个点向量:x[nx]、y[ny]、z[nz] 和一个函数值矩阵func[nx][ny][nz],我想在 x、y 范围之间的一些随机点处找到函
我认为由于 CUDA 可以执行 64 位 128 位加载/存储,因此它可能具有一些用于加/减/等的内在函数。像 float3 这样的向量类型,在像 SSE 这样更少的指令中。 CUDA 有这样的功能吗
我有一个问题,每个线程 block (一维)必须对共享内存内的一个数组进行扫描,并执行几个其他任务。 (该数组最多有 1024 个元素。) 有没有支持这种操作的好库? 我检查了 Thrust 和 Cu
我对线程的形成和执行方式有很多疑惑。 首先,文档将 GPU 线程描述为轻量级线程。假设我希望将两个 100*100 矩阵相乘。如果每个元素都由不同的线程计算,则这将需要 100*100 个线程。但是,
我正在尝试自己解决这个问题,但我不能。 所以我想听听你的建议。 我正在编写这样的内核代码。 VGA 是 GTX 580。 xxxx >> (... threadNum ...) (note. Shar
查看 CUDA Thrust 代码中的内核启动,似乎它们总是使用默认流。我可以让 Thrust 使用我选择的流吗?我在 API 中遗漏了什么吗? 最佳答案 我想在 Thrust 1.8 发布后更新 t
我想知道 CUDA 应用程序的扭曲调度顺序是否是确定性的。 具体来说,我想知道在同一设备上使用相同输入数据多次运行同一内核时,warp 执行的顺序是否会保持不变。如果没有,是否有任何东西可以强制对扭曲
一个 GPU 中可以有多少个 CUDA 网格? 两个网格可以同时存在于 GPU 中吗?还是一台 GPU 设备只有一个网格? Kernel1>(dst1, param1); Kernel1>(dst2,
如果我编译一个计算能力较低的 CUDA 程序,例如 1.3(nvcc 标志 sm_13),并在具有 Compute Capability 2.1 的设备上运行它,它是否会利用 Compute 2.1
固定内存应该可以提高从主机到设备的传输速率(api 引用)。但是我发现我不需要为内核调用 cuMemcpyHtoD 来访问这些值,也不需要为主机调用 cuMemcpyDtoA 来读取值。我不认为这会奏
我希望对 CUDA C 中负载平衡的最佳实践有一些一般性的建议和说明,特别是: 如果经纱中的 1 个线程比其他 31 个线程花费的时间长,它会阻止其他 31 个线程完成吗? 如果是这样,多余的处理能力
CUDA 中是否有像 opencl 一样的内置交叉和点积,所以 cuda 内核可以使用它? 到目前为止,我在规范中找不到任何内容。 最佳答案 您可以在 SDK 的 cutil_math.h 中找到这些
有一些与我要问的问题类似的问题,但我觉得它们都没有触及我真正要寻找的核心。我现在拥有的是一种 CUDA 方法,它需要将两个数组定义到共享内存中。现在,数组的大小由在执行开始后读入程序的变量给出。因此,
经线是 32 根线。 32 个线程是否在多处理器中并行执行? 如果 32 个线程没有并行执行,则扭曲中没有竞争条件。 在经历了一些例子后,我有了这个疑问。 最佳答案 在 CUDA 编程模型中,warp
我是一名优秀的程序员,十分优秀!