我编写了两个不同的 openCl 内核，使用 nvidia 分析器获取了一些关于它们的信息，发现每个工作项都使用 63 个寄存器。
我尝试了我能想到的一切来降低这个数字（用 ushort 替换 int，尝试在 {} 中声明变量以显示编译器何时可以摆脱它们）但似乎不可能改变这个 63！
然后我发现了另一个关于他编写的内核的问题，该内核使用......再次使用 63 个寄存器。
当然这可能纯属巧合，但也许背后有一个原因……使用的特定功能，硬件限制？有人知道吗？
问问题
1427 次
2 回答
5
最多 63 个寄存器。在大多数最新硬件（如 GTX 480 到 GTX 770）上的数量。只有使用 GTX 780 或 Tesla K20，每个线程才能获得 255 个寄存器。
因此，当您的内核使用 63 个寄存器时，它很可能使用超过 63 个，但它们会溢出到片外私有内存（也称为 CUDA 本地内存）。例如，如果您的 nvidia 分析器报告 128 字节的本地内存，则意味着您需要摆脱 32 个（溢出）寄存器，然后才能获得低于 63 个硬件寄存器。
顺便说一句：“每个多处理器 8,192 个 32 位寄存器”意味着驻留在多处理器上的所有工作组有 8,192 个寄存器。但通常工作组的数量受工作组大小和内核需要的寄存器数量的限制。例如，如果您的内核使用 63 个寄存器并且您的工作组大小为 16^2，您将得到：63*16^2 = 每个工作组 16128 个寄存器。假设每个多处理器有 64K 寄存器，那么每个多处理器上可以有 4 个工作组，这将产生 25% 的占用率。
于 2013-09-22T10:45:17.403 回答
0
最大。寄存器/线程的数量受硬件限制，并且取决于设备的“计算能力”。查看 Compute Capabilities表。
（这适用于 NVidia，其他供应商可能有其他限制）。
于 2013-05-14T05:10:24.957 回答