8

我们有一个安装了两个 Nvidia Quadro FX 5800 卡的工作站。运行 deviceQuery CUDA 示例显示每个多处理器 (SM) 的最大线程数为 1024，而每个块的最大线程数为 512。

鉴于每个 SM 一次只能执行一个块，为什么最大线程/处理器是最大线程/块的两倍？我们如何利用每个 SM 的其他 512 个线程？

Device 1: "Quadro FX 5800"
  CUDA Driver Version / Runtime Version          5.0 / 5.0
  CUDA Capability Major/Minor version number:    1.3
  Total amount of global memory:                 4096 MBytes (4294770688 bytes)
  (30) Multiprocessors x (  8) CUDA Cores/MP:    240 CUDA Cores
  GPU Clock rate:                                1296 MHz (1.30 GHz)
  Memory Clock rate:                             800 Mhz
  Memory Bus Width:                              512-bit
  Max Texture Dimension Size (x,y,z)             1D=(8192), 2D=(65536,32768), 3D=(2048,2048,2048)
  Max Layered Texture Size (dim) x layers        1D=(8192) x 512, 2D=(8192,8192) x 512
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       16384 bytes
  Total number of registers available per block: 16384
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  1024
  Maximum number of threads per block:           512
  Maximum sizes of each dimension of a block:    512 x 512 x 64
  Maximum sizes of each dimension of a grid:     65535 x 65535 x 1
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             256 bytes
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
  Run time limit on kernels:                     No
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      No
  Device PCI Bus ID / PCI location ID:           4 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

干杯，詹姆斯。

4

1 回答 1

19

假设每个 SM 一次只能执行一个块，

这种说法根本上是错误的。除非资源冲突，并且假设内核（即网格）中有足够多的线程块，一个 SM 通常会分配有多个线程块。

执行的基本单位是warp。一个warp由32个线程组成，由一个SM在一个指令周期一个指令周期的基础上以锁步方式一起执行。

因此，即使在单个线程块中，一个 SM 通常也会有多个“正在运行”的经线。这对于允许机器隐藏延迟的良好性能至关重要。

从同一个线程块中选择要执行的扭曲或从不同线程块中选择扭曲之间没有概念上的区别。SM 可以有多个驻留在其上的线程块（即，将诸如寄存器和共享内存等资源分配给每个驻留线程块），warp 调度程序将从所有驻留线程块中的所有 warp 中进行选择，以选择下一个 warp 执行任何给定的指令周期。

因此，SM 有更多的线程可以“驻留”，因为它可以支持多个块，即使该块最大程度地配置了线程（在这种情况下为 512）。我们通过驻留多个线程块来利用超过线程块限制。

您可能还想研究GPU 程序中的占用概念。

于 2013-07-23T16:49:31.163 回答