1

执行内核时出现错误 

too many resources requested for launch

我在网上查看了有关错误消息的任何提示，这表明这是由于使用的寄存器数量超过了 GPU 为每个多处理器指定的限制。设备查询结果如下：

Device 0: "GeForce GTX 470"
CUDA Driver Version / Runtime Version          5.0 / 5.0
CUDA Capability Major/Minor version number:    2.0
Total amount of global memory:                 1279 MBytes (1341325312 bytes)
(14) Multiprocessors x ( 32) CUDA Cores/MP:    448 CUDA Cores
GPU Clock rate:                                1215 MHz (1.22 GHz)
Memory Clock rate:                             1674 Mhz
Memory Bus Width:                              320-bit
L2 Cache Size:                                 655360 bytes
Total amount of constant memory:               65536 bytes
Total amount of shared memory per block:       49152 bytes
Total number of registers available per block: 32768
Warp size:                                     32
Maximum number of threads per multiprocessor:  1536
Maximum number of threads per block:           1024
Maximum sizes of each dimension of a block:    1024 x 1024 x 64
Maximum sizes of each dimension of a grid:     65535 x 65535 x 65535

更新 Robert Crovella 表示他在运行代码时没有任何问题，因此我将完整的代码片段粘贴到此处以供执行。

完整的代码如下所示： 

__global__ void calc_params(double *d_result_array, int total_threads) {

        int thread_id             = threadIdx.x + (blockDim.x * threadIdx.y);
        d_result_array[thread_id] = 1 / d_result_array[thread_id];

 }

  void calculate() {

     double *h_array;
     double *d_array;

     size_t array_size = pow((double)31, 2) * 2 * 10;

     h_array = (double *)malloc(array_size * sizeof(double));
     cudaMalloc((void **)&d_array, array_size * sizeof(double));

     for (int i = 0; i < array_size; i++) {
        h_array[i] = i;
     }

     cudaMemcpy(d_array, h_array, array_size * sizeof(double), cudaMemcpyHostToDevice);

     int BLOCK_SIZE = 1024;
     int NUM_OF_BLOCKS = (array_size / BLOCK_SIZE) + (array_size % BLOCK_SIZE)?1:0;

     calc_params<<<NUM_OF_BLOCKS, BLOCK_SIZE>>>(d_array, array_size);
     cudaDeviceSynchronize();
     checkCudaErrors(cudaGetLastError());

     cudaFree(d_array);
     free(h_array);

}

当我执行此代码时，我收到错误，因为请求启动的资源过多

而不是在内核中使用逆向语句
（即 d_result_array[thread_id] = 1 / d_result_array[thread_id]）
，equate 语句完美地工作
（即 d_result_array[thread_id] = d_result_array[thread_id] * 200）。

为什么？是否有任何可能的替代方案（除了使用较小的块大小）。如果那是唯一的解决方案，我怎么知道可以工作的块大小应该是多少。

问候，

PS 对于那些可能想知道 cudaCheckErrors 是什么的人

#define checkCudaErrors(val) check( (val), #val, __FILE__, __LINE__)

template<typename T>
void check(T err, const char* const func, const char* const file, const int line) {
  if (err != cudaSuccess) {
    std::cerr << "CUDA error at: " << file << ":" << line << std::endl;
    std::cerr << cudaGetErrorString(err) << " " << func << std::endl;
    exit(1);
  }
}

构建和操作系统信息 

Build of configuration Debug for project TEST

make all 
Building file: ../test_param.cu
Invoking: NVCC Compiler
nvcc -G -g -O0 -gencode arch=compute_20,code=sm_20 -odir "" -M -o "test_param.d" "../test_param.cu"
nvcc --compile -G -O0 -g -gencode arch=compute_20,code=compute_20 -gencode arch=compute_20,code=sm_20  -x cu -o  "test_param.o" "../test_param.cu"
Finished building: ../test_param.cu

Building target: TEST
Invoking: NVCC Linker
nvcc  -link -o  "TEST"  ./test_param.o   
Finished building target: TEST

操作系统 

Ubuntu Lucid (10.04.4) 64bit
Linux paris 2.6.32-46-generic #105-Ubuntu SMP Fri Mar 1 00:04:17 UTC 2013 x86_64 GNU/Linux

我收到的错误 

CUDA error at: ../test_param.cu:42
too many resources requested for launch cudaGetLastError()
4

1 回答 1

2

这似乎是编译器的产物。问题似乎是寄存器的使用，您可以通过-Xptxas -v在 nvcc 命令行上传递选项来观察。由于某种原因-G，该代码版本使用的寄存器（每个线程）比常规代码多得多。你有几个选择：

  1. 不要使用-G开关。无论如何，此开关只应用于调试目的，因为它生成的代码可能比没有 -G 开关时运行得慢。
  2. 如果要使用-G开关，则减少每个块的线程数。对于本例中的示例，我能够让它以每个块或更少的 768 个线程运行。

  3. 指示编译器在每个线程中使用更少的寄存器。您可以使用-maxrregcount开关执行此操作，例如：

    nvcc -Xptxas -v -arch=sm_20 -G -maxrregcount=20 -o t145 t145.cu

最后一种情况的目标是让（每个线程的寄存器 * 每个块的线程数）小于正在使用的 GPU 的每个块的最大寄存器数。典型的 CC 2.0 GPU 每个块最多有 32768 个可用寄存器（您可以通过deviceQuery 示例发现）。

于 2013-05-03T23:18:56.643 回答