5

我在论坛上快速浏览了一下，我认为这个问题还没有被问过。

我目前正在使用其他人在博士期间制作的 MPI/CUDA 混合代码。每个 CPU 都有自己的 GPU。我的任务是通过运行（已经工作的）代码来收集数据，并实现额外的东西。将这段代码变成单个 CPU / 多 GPU 的代码目前不是一种选择（以后可能会。）。

我想利用性能分析工具来分析整个事情。

目前的一个想法是让每个 CPU 为自己的 GPU 启动 nvvp 并收集数据，而另一个分析工具将负责一般的 CPU/MPI 部分（我计划使用 TAU，就像我通常做的那样）。

问题是，同时启动 nvvp 的界面 8 次（如果使用 8 个 CPU/GPU 运行）非常烦人。我想避免通过界面，并获得一个直接将数据写入文件的命令行，我可以稍后将其提供给 nvvc 的界面并进行分析。

我想获得一个命令行，它将由每个 CPU 执行，并为每个 CPU 生成一个文件，提供有关他们自己的 GPU 的数据。8（GPU/CPU）= 8 个文件。然后我打算用 nvcc 一个一个地单独馈送和分析这些文件，手动比较数据。

任何的想法 ？

谢谢 ！

4

4 回答 4

6

查看CUDA 5.0 Toolkitnvprof的一部分（目前可作为候选发布版）。有一些限制 - 它只能在给定的传递中收集有限数量的计数器并且它不能收集指标（所以现在如果你想要多个事件，你必须编写多个启动脚本）。您可以从 nvvp 内置帮助中获取更多信息，包括示例 MPI 启动脚本（在此处复制，但如果您有任何比 5.0 RC 更新的版本，我建议您查看 nvvp 帮助以获取最新版本）。

#!/bin/sh
#
# Script to launch nvprof on an MPI process.  This script will
# create unique output file names based on the rank of the 
# process.  Examples:
#   mpirun -np 4 nvprof-script a.out 
#   mpirun -np 4 nvprof-script -o outfile a.out
#   mpirun -np 4 nvprof-script test/a.out -g -j
# In the case you want to pass a -o or -h flag to the a.out, you
# can do this.
#   mpirun -np 4 nvprof-script -c a.out -h -o
# You can also pass in arguments to nvprof
#   mpirun -np 4 nvprof-script --print-api-trace a.out
#

usage () {
 echo "nvprof-script [nvprof options] [-h] [-o outfile] a.out [a.out options]";
 echo "or"
 echo "nvprof-script [nvprof options] [-h] [-o outfile] -c a.out [a.out options]";
}

nvprof_args=""
while [ $# -gt 0 ];
do
    case "$1" in
        (-o) shift; outfile="$1";;
        (-c) shift; break;;
        (-h) usage; exit 1;;
        (*) nvprof_args="$nvprof_args $1";;
    esac
    shift
done

# If user did not provide output filename then create one
if [ -z $outfile ] ; then
    outfile=`basename $1`.nvprof-out
fi

# Find the rank of the process from the MPI rank environment variable
# to ensure unique output filenames.  The script handles Open MPI
# and MVAPICH.  If your implementation is different, you will need to
# make a change here.

# Open MPI
if [ ! -z ${OMPI_COMM_WORLD_RANK} ] ; then
    rank=${OMPI_COMM_WORLD_RANK}
fi
# MVAPICH
if [ ! -z ${MV2_COMM_WORLD_RANK} ] ; then
    rank=${MV2_COMM_WORLD_RANK}
fi

# Set the nvprof command and arguments.
NVPROF="nvprof --output-profile $outfile.$rank $nvprof_args" 
exec $NVPROF $*

# If you want to limit which ranks get profiled, do something like
# this. You have to use the -c switch to get the right behavior.
# mpirun -np 2 nvprof-script --print-api-trace -c a.out -q  
# if [ $rank -le 0 ]; then
#     exec $NVPROF $*
# else
#     exec $*
# fi
于 2012-08-21T14:48:59.330 回答
3

另一种选择是，由于您已经在使用 TAU 来分析应用程序的 CPU 端，您也可以使用 TAU 来收集 GPU 性能数据。TAU 支持多 GPU 执行以及 MPI，请查看http://www.nic.uoregon.edu/tau-wiki/Guide:TAUGPU了解如何开始使用 TAU 的 GPU 分析功能的说明。TAU 在下面使用 CUPTI（CUda 性能工具接口），因此您可以使用 TAU 收集的数据与使用 nVidia 的 Visual Profiler 可以收集的数据非常相似。

于 2013-04-22T16:22:41.193 回答
3

自 CUDA 5.0 以来，情况发生了变化，现在我们可以简单地使用%h,%p和这里%q{ENV}提到的，而不是使用包装脚本：

$ mpirun -np 2 -host c0-0,c0-1 nvprof -o output.%h.%p.%q{OMPI_COMM_WORLD_RANK} ./my_mpi_app
于 2017-10-02T20:49:36.990 回答
0

显然，自 2015 年以来，在使用 nvprof 分析器时，可以通过 NVTX 和 mpi_interceptions.so 库自动注释 MPI 调用：

https://devblogs.nvidia.com/gpu-pro-tip-track-mpi-calls-nvidia-visual-profiler/

http://on-demand.gputechconf.com/gtc/2017/presentation/s7495-jain-optimizing-application-performance-cuda-profiling-tools.pdf

根据这个介绍，TAO 仍然不支持分布式深度学习：

http://on-demand.gputechconf.com/gtc/2017/presentation/s7684-allen-malony-performance-analysis-of-cuda-deep-learning-networks-using-tau.pdf

于 2019-09-19T13:19:17.653 回答