8

我知道 cudaMemcpy 会同步主机和设备，但是 cudaMalloc 或 cudaFree 怎么样？

基本上我想在多个 GPU 设备上异步内存分配/复制和内核执行，我的代码的简化版本是这样的：

void wrapper_kernel(const int &ngpu, const float * const &data)
{
 cudaSetDevice(ngpu);
 cudaMalloc(...);
 cudaMemcpyAsync(...);
 kernels<<<...>>>(...);
 cudaMemcpyAsync(...);
 some host codes;
}

int main()
{
 const int NGPU=3;
 static float *data[NGPU];
 for (int i=0; i<NGPU; i++) wrapper_kernel(i,data[i]);
 cudaDeviceSynchronize();
 some host codes;
}

但是，GPU 是按顺序运行的，找不到原因。

4

2 回答 2

2

尝试cudaStream_t为每个 GPU 使用。下面是取自 CUDA 示例的 simpleMultiGPU.cu。

 //Solver config                                                          
TGPUplan      plan[MAX_GPU_COUNT];
//GPU reduction results                                                                                   
float     h_SumGPU[MAX_GPU_COUNT];

....memory init....

//Create streams for issuing GPU command asynchronously and allocate memory (GPU and System page-locked)                             for (i = 0; i < GPU_N; i++)
{
    checkCudaErrors(cudaSetDevice(i));
    checkCudaErrors(cudaStreamCreate(&plan[i].stream));
    //Allocate memory                                                                                                                    checkCudaErrors(cudaMalloc((void **)&plan[i].d_Data, plan[i].dataN * sizeof(float)));
    checkCudaErrors(cudaMalloc((void **)&plan[i].d_Sum, ACCUM_N * sizeof(float)));
    checkCudaErrors(cudaMallocHost((void **)&plan[i].h_Sum_from_device, ACCUM_N * sizeof(float)));
    checkCudaErrors(cudaMallocHost((void **)&plan[i].h_Data, plan[i].dataN * sizeof(float)));

    for (j = 0; j < plan[i].dataN; j++)
    {
        plan[i].h_Data[j] = (float)rand() / (float)RAND_MAX;
    }
}

....kernel, memory copyback....

这里有一些使用多 GPU 的指南。

于 2012-12-21T01:26:37.893 回答
1

您看到 GPU 操作按顺序运行的最可能原因cudaMalloc是异步的，但cudaFree不是（只需在 CPU 线程上排队并在一系列操作结束时发送空闲请求）。

您需要使用固定内存进行从 CPU 内存到 GPU 内存的异步传输，Cuda 提供了两个实用函数cudaMallocHost和cudaFreeHost（而不是malloc和free）。顺便说一句，还有cudaHostAlloc更精细的控制，请阅读 CUDA 手册了解详细信息。

于 2021-05-07T01:37:02.810 回答