3

我最近发现了CUDA 5.0 中可用的cuda-memcheck竞赛检查工具（参见NVIDIA 文档）。该工具可以检测 CUDA 内核中共享内存的竞争条件。cuda-memcheck --tool racecheck

在调试模式下，这个工具没有检测到任何东西，这显然是正常的。但是，在发布模式 (-O3) 中，我会根据问题的参数得到错误。

这是一个错误示例（第 22 行共享内存的初始化，第 119 行的赋值）：

========= 错误：在块 (35, 0, 0) 中的共享0x0处检测到潜在的 WAW 危害：========== 在 0x00000890 处写入线程 (32, 0, 0)。 ...h:119:void kernel_test3(Data*) ========= 在 ....h:22:void kernel_test3(Data*)
==的 0x00000048 处写入线程 (0, 0, 0) ======= 当前值：13，传入值：0

  1. 让我惊讶的第一件事是线程ID。当我第一次遇到错误时，每个块包含 32 个线程（ids 0 到 31）。那么为什么线程 id 32 有问题呢？我什至在 上添加了一个额外的检查threadIdx.x，但这并没有改变。
  2. 我使用共享内存作为临时缓冲区，每个线程处理自己的多维数组参数，例如__shared__ float arr[SIZE_1][SIZE_2][NB_THREADS_PER_BLOCK]. 我真的不明白怎么会有任何竞争条件，因为每个线程都处理自己的共享内存部分。
  3. 将网格大小从 64 个块减少到 32 个块似乎解决了这个问题（每个块有 32 个线程）。我不明白为什么。

为了了解发生了什么，我用一些更简单的内核进行了测试。让我向您展示一个产生这种错误的内核示例。基本上，这个内核使用SIZE_X*SIZE_Y*NTHREADS*sizeof(float)B 的共享内存，我每个 SM 可以使用 48KB 的共享内存。

测试.cu

template <unsigned int NTHREADS>
__global__ void kernel_test()
{
    const int SIZE_X = 4;
    const int SIZE_Y = 4;

    __shared__ float tmp[SIZE_X][SIZE_Y][NTHREADS];

    for (unsigned int i = 0; i < SIZE_X; i++)
        for (unsigned int j = 0; j < SIZE_Y; j++)
            tmp[i][j][threadIdx.x] = threadIdx.x;
}

int main()
{
  const unsigned int NTHREADS = 32;

  //kernel_test<NTHREADS><<<32, NTHREADS>>>(); // ---> works fine
  kernel_test<NTHREADS><<<64, NTHREADS>>>();

  cudaDeviceSynchronize(); // ---> gives racecheck errors if NBLOCKS > 32
}

编译：

nvcc test.cu --ptxas-options=-v -o test

如果我们运行内核：

cuda-memcheck --tool racecheck test

  • kernel_test<32><<<32, 32>>>();: 32 个块，32 个线程 => 不会导致任何明显的竞态检查错误。
  • kernel_test<32><<<64, 32>>>();：64 个块，32 个线程 => 导致 WAW 危害（threadId.x = 32？！）和错误。

========= 错误：在块 (57, 0, 0) 中的共享0x6处检测到潜在的 WAW 危害：
========== 在 0x00000048 处写入线程 (0, 0, 0)。 ...h:403:void kernel_test(void)
========= 在 ....h:403:void kernel_test(void)
====的 0x00000048 处写入线程 (1, 0, 0) ===== 当前值：0，传入值：128

========= 信息：（正在写入相同的数据）在块（47、0、0）中的共享0x0 处检测到潜在的 WAW 危害：
========= 写入线程（32、0、 0) at 0x00000048 in ....h:403:void kernel_test(void)
========= 在 ....h:403:void kernel_test( void)
========= 当前值：0，传入值：0

那么我在这里错过了什么？我在共享内存方面做错了吗？（我仍然是这个的初学者）

** 更新 **

问题似乎来自cudaDeviceSynchronize()when NBLOCKS > 32。为什么会这样？

4

2 回答 2

2

对于初学者来说， cudaDeviceSynchronize() 不是原因；你的内核是原因，但它是一个异步调用，所以在你调用 cudaDeviceSynchronize() 时会发现错误。

至于内核，您的共享内存大小为 SIZE_X*SIZE_Y*NTHREADS（在示例中转换为每个块 512 个元素）。在嵌套循环中，您使用 [i*blockDim.x*SIZE_Y + j*blockDim.x + threadIdx.x] 对其进行索引 - 这就是您的问题所在。

更具体地说，您的 i 和 j 值范围为 [0, 4)，您的 threadIdx.x 范围为 [0, 32)，您的 SIZE_{X | Y} 值为 4。当 blockDim.x 为 64 时，循环中使用的最大索引将为 991（从 3*64*4 + 3*64 + 31）。当您的 blockDim.x 为 32 时，您的最大索引将为 511。

根据您的代码，每当您的 NBLOCKS 超过您的 NTHREADS 时，您应该会收到错误

注意：我最初将此发布到https://devtalk.nvidia.com/default/topic/527292/cuda-programming-and-performance/cuda-racecheck-shared-memory-array-and-cudadevicesynchronize-/

于 2013-01-11T04:03:25.670 回答
-1

这显然是适用于 Linux 的 NVIDIA 驱动程序中的一个错误。该错误在 313.18 发布后消失了。

于 2013-03-27T09:59:57.917 回答