0

我试图了解 OpenCL 编译器生成的机器代码以优化它。因此，我使用工具 m2s-opencl-kc（来自 multi2sim）离线编译我的 *.cl 文件并将中间文件（开关：-a）保留为 *.isa 文件。这个 *.isa 包含一个“反汇编”部分，这似乎是我正在寻找的......

注意：我的组装知识有点“老”。我为 Pentium 386/486 CPU 等老款 CPU 制作了组件。所以我实际上在阅读矢量指令时遇到了问题，而我对它们有一些理论知识。

[... OTHER STUFF ... ]
; --------  Disassembly --------------------
00 ALU_PUSH_BEFORE: ADDR(32) CNT(6) KCACHE0(CB2:0-15) KCACHE1(CB0:0-15)
      0  x: MOV         R2.x,  0.0f
         z: SETGT_INT   R0.z,  1,  KC0[0].y
         t: MULLO_INT   ____,  R1.x,  KC1[1].x
      1  w: ADD_INT     ____,  R0.x,  PS0
      2  y: ADD_INT     R2.y,  PV1.w,  KC1[6].x
      3  x: PREDE_INT   ____,  R0.z,  0.0f      UPDATE_EXEC_MASK UPDATE_PRED
01 JUMP  POP_CNT(1) ADDR(9)
02 ALU: ADDR(38) CNT(5) KCACHE0(CB1:0-15)
      4  x: MOV         R2.x,  0.0f
         y: MOV         R3.y,  0.0f
         w: LSHL        ____,  R2.y,  2
      5  z: ADD_INT     R2.z,  KC0[0].x,  PV4.w
03 LOOP_DX10 i0 FAIL_JUMP_ADDR(8)
    04 ALU: ADDR(43) CNT(11) KCACHE0(CB2:0-15)
          6  y: ADD_INT     R3.y,  R3.y,  1
             w: LSHL        ____,  R3.y,  2
          7  x: SETGT_INT   R3.x,  KC0[0].y,  PV6.y
             z: ADD_INT     ____,  R2.z,  PV6.w
             w: ADD_INT     ____,  PV6.w,  8
          8  x: ASHR        R0.x,  PV7.w,  4
             y: LSHR        R0.y,  PV7.z,  2
             z: BFE_UINT    R0.z,  PV7.w,  0x00000002,  0x00000002
[... some more ... ]

我想知道的是命令前面的数字和字符的含义。据我了解，编译器产生了一些“复杂”的指令：

00 ALU_PUSH_BEFORE: ADDR(32) CNT(6) KCACHE0(CB2:0-15) KCACHE1(CB0:0-15)

（问题：那是所谓的“非常长的指令词”吗？）

而这个“复杂”指令由多个“简单”指令组成：

      0  x: MOV         R2.x,  0.0f
         z: SETGT_INT   R0.z,  1,  KC0[0].y
         t: MULLO_INT   ____,  R1.x,  KC1[1].x
      1  w: ADD_INT     ____,  R0.x,  PS0
      2  y: ADD_INT     R2.y,  PV1.w,  KC1[6].x
      3  x: PREDE_INT   ____,  R0.z,  0.0f      UPDATE_EXEC_MASK UPDATE_PRED

这些“简单”的指令似乎是每个向量单元的指令。四个向量单元由 x、y、z 和 w 引用。但什么是“不”？那是另一个向量单位吗？我为“赛普拉斯”GPU编译了它......

现在关于数字......这些就像“行号”吗？前导零：复杂指令序列号...？无前导零：简单指令序列号...？

如果我们假设内存访问没有等待状态，我假设所有具有相同序列的“简单”指令都可以在一个周期内“逻辑地”执行。例如，以下指令（上述复杂指令的）在周期 0 中“执行”：

      0  x: MOV         R2.x,  0.0f
         z: SETGT_INT   R0.z,  1,  KC0[0].y
         t: MULLO_INT   ____,  R1.x,  KC1[1].x

“已执行”是指我们有某种（例如 4 周期）流水线。这意味着上述指令应该在周期 0 开始执行，并且应该在周期 3 之后完成。

关于流水线的问题

如果下一条指令（例如“1”）读取寄存器 R2.x 会发生什么？那会读取 R2.x 的旧值（在指令“0”之前）还是会延迟指令“1”，直到指令“0”完成？或者这可能是编译器必须注意的“不关心”情况（产生未定义的结果），这种情况永远不会发生？

关于内存访问的问题

我假设可以在数据获取周期期间执行对寄存器的访问，而无需等待。内存访问将需要一些额外的周期，具体取决于访问的内存类型：

  • “__private”内存应该主要映射到寄存器。
  • __local memory（最多 64KB 在同一组的工作项之间共享）：在当前的 GPU 中我需要多少额外的周期？
  • __global memory：这应该是例如 256MB 到 x GB 的外部 DRAM。我在这里需要多少额外的周期？据我所知，此内存没有为 GPU 设备缓存。
  • __constant 内存应该类似于 __global 内存，但使用 __local 内存进行缓存

“ISA”有什么好的教程吗？

问候，斯特凡

4

1 回答 1

2

每个“编​​号”部分都是一个 VLIW，例如：

  4  x: MOV         R2.x,  0.0f
     y: MOV         R3.y,  0.0f
     w: LSHL        ____,  R2.y,  2

这是一条使用三个可用 ALU 的指令，即“x”、“y”和“w”。它还可以使用构成最大并行指令的“z”和“t”，例如：

  4  x: MOV         R2.x,  0.0f
     y: MOV         R3.y,  0.0f
     z: MOV         R3.z,  0.0f
     w: LSHL        ____,  R2.y,  2
     t: LSHL        ____,  R2.z,  4

尽管如此，这是一个单一的VLIW 指令，它“馈送”着色器核心的所有五个 ALU“通道”，然后五个操作在一个步骤中并行执行。

但什么是“不”？那是另一个向量单位吗？

是的，“t”是第五个标量单位，称为“先验”，可用于执行先验计算，例如sin(x)或cos(x)。除此之外，它还可以执行正常的标量运算，但其局限性在于，并非“x”到“w”中可能的所有标量运算也可以在“t”中执行。因此，理想情况下，每个内核可以在一个步骤中执行五个标量操作。值得注意的是，与 CPU 上的 SSE 指令不同，这五个单元独立工作：每个单元都可以在每个步骤中执行自己的操作，而在 SSE 单元中，只能将一个操作并行应用于多个数据。和 VLIW 架构。

那些

01 JUMP  POP_CNT(1) ADDR(9)

指令显然是特殊指令，实际上并不在 ALU 上执行操作，例如从（片外）存储器或控制流指令中获取数据。

要估计内存延迟，请查看AMD 的 OpenCL 编程指南中的附录 D - 设备参数。

__constant内存与内存不完全相同__local：它在芯片上有自己的内存空间，对于所有工作项都是相同的，并且根据文档，它的访问速度大约是内存的两倍__local- 因为没有一致性逻辑工作项之间需要。

互联网上的一些消息来源指出，（AMD）GPU 没有缓存，应该使用 LDS 内存来显式模拟缓存。在一些文档中，虽然有对L1 和 L2 缓存的引用。

无论哪种方式，请注意，当一个线程停止等待数据时，GPU 通过极快地切换执行“上下文”来“隐藏”内存延迟非常好。如果有足够多的并行任务可供选择，GPU 很可能总能找到一个准备好执行的任务，该任务可以换成需要等待的任务。

于 2013-07-13T17:11:58.987 回答