- 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?
我对编程和 Cuda 真的很陌生。基本上我有一个 C 函数,它读取数据列表,然后根据哈希图检查每个项目(我在 C 中使用 uthash 来实现)。它运行良好,但我想在 Cuda 中运行这个过程(一旦它获得哈希键的值,然后它会进行大量处理),但我不确定创建只读哈希函数的最佳方法可能在 Cuda 中。
背景
基本上,我试图尽快对非常大的一批投资组合进行估值。我不断收到几百万个以两个列表形式出现的投资组合。一个有股票名称,另一个有权重。然后我使用股票名称查找哈希表以获取其他数据(值、百分比变化等),然后根据权重对其进行处理。在普通 C 语言的 CPU 上大约需要 8 分钟,所以我很感兴趣在 GPU 上尝试它。
我已经阅读并完成了 cuda by example
中的示例所以我相信我知道除了哈希函数之外的大部分内容(附录中有一个,但它似乎专注于添加它,而我真的只想要它作为引用,因为它永远不会改变。我可能会很粗糙在 cuda for example
的边缘附近,所以在这种情况下,我可能缺少一些对我有帮助的东西,例如为此使用文本或某种特殊形式的内存)。如果每个块都有自己的哈希映射访问权限,或者每个线程是否应该对整个 GPU 足够好,我将如何构建以获得最佳结果?
编辑
抱歉只是澄清一下,我只使用 C。最坏的情况我愿意使用另一种语言,但理想情况下,我想要一些我可以在 GPU 上原生放置一次的东西,并让所有 future 的线程读取它以进行处理我的数据我需要分几批进行)。
最佳答案
这是对在 GPU 上使用散列图的潜在性能问题的一些想法,以支持我关于将散列图保留在 CPU 上的评论。
NVIDIA GPU 以 32 个线程为一组运行线程,称为扭曲。为了获得良好的性能,warp 中的每个线程都必须做本质上相同的事情。也就是说,它们必须运行相同的指令,并且必须从彼此靠近的内存位置读取。
我认为散列图可能会违反这两个规则,可能会大大降低 GPU 的速度,以至于将散列图保留在 GPU 上是没有用的。
考虑在 warp 中运行 32 个线程时会发生什么:
my_struct {
int a;
int b;
};
my_struct my_array_of_structs[1000];
struct my_struct {
int a[1000];
int b[1000];
} my_struct_of_arrays;
a
在内存中彼此相邻,以便当warp 中的32 个线程到达读取
a
的指令时,所有值都整齐地排列在一起,从而使整个扭曲能够非常快速地加载值。
b
也是如此的,当然。
关于cuda - 有没有在 cuda 上使用只读 HashMap 的好方法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10953754/
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!