0

我正在使用带有 nVidia 980 GTX 的 CUDA 7.0 进行一些图像处理。在特定的迭代中,通过 15-20 个内核调用和多个 cuFFT FFT/IFFT API 调用独立处理多个切片。

正因为如此,我将每个图块放在它自己的 CUDA 流中,因此每个图块相对于主机异步执行它的操作字符串。每个图块在迭代中的大小相同,因此它们共享一个 cuFFT 计划。主机线程在命令中快速移动,试图让 GPU 保持工作负载。虽然这些操作正在并行处理,但我遇到了周期性的竞争条件,并且特别对 cuFFT 有疑问。如果我使用 cuFFTSetStream() 将 cuFFT 计划放在流 0 中用于 tile 0,并且在主机将共享 cuFFT 计划的流设置为 tile 1 的流 1 之前,还没有在 GPU 上实际执行 tile 0 的 FFT它在 GPU 上发布 tile 1 的工作,该计划的 cuFFTExec() 的行为是什么?

更简洁地说,对 cufftExec() 的调用是否会在调用 cufftExec() 时计划设置的流中执行,无论是否使用 cuFFTSetStream() 在实际开始之前的 FFT 调用之前更改后续图块的流/完全的?

我很抱歉没有发布代码,但我无法发布我的实际来源。

4

1 回答 1

2

编辑:正如评论中所指出的,如果相同的计划(相同的创建句柄)用于通过流在同一设备上同时执行 FFT,则用户负责为此类计划的每次使用管理单独的工作区域。这个问题似乎集中在流行为本身,我剩下的答案也集中在这一点上,但这是很重要的一点。

如果我使用 cuFFTSetStream() 将 cuFFT 计划放在流 0 中用于 tile 0,并且在主机将共享 cuFFT 计划的流设置为 tile 1 的流 1 之前,还没有在 GPU 上实际执行 tile 0 的 FFT它在 GPU 上发布 tile 1 的工作,该计划的 cuFFTExec() 的行为是什么?

让我假设您说的是流 1 和流 2,这样我们就可以避免围绕 NULL 流的任何可能的混淆。

CUFFT 应该尊重在计划通过 传递给 CUFFT 时为计划定义的流cufftExecXXX()。对计划的后续更改cufftSetStream()应该不会影响用于先前发出的cufftExecXXX()调用的流。

我们可以使用分析器通过一个相当简单的测试来验证这一点。考虑以下测试代码:

$ cat t1089.cu
// NOTE: this code omits independent work-area handling for each plan
// which is necessary for a plan that will be shared between streams
// and executed concurrently
#include <cufft.h>
#include <assert.h>
#include <nvToolsExt.h>

#define DSIZE 1048576
#define BATCH 100

int main(){

  const int nx = DSIZE;
  const int nb = BATCH;
  size_t ws = 0;
  cufftHandle plan;
  cufftResult res = cufftCreate(&plan);
  assert(res == CUFFT_SUCCESS);
  res = cufftMakePlan1d(plan, nx, CUFFT_C2C, nb, &ws);
  assert(res == CUFFT_SUCCESS);
  cufftComplex *d;
  cudaMalloc(&d, nx*nb*sizeof(cufftComplex));
  cudaMemset(d, 0, nx*nb*sizeof(cufftComplex));
  cudaStream_t s1, s2;
  cudaStreamCreate(&s1);
  cudaStreamCreate(&s2);
  res = cufftSetStream(plan, s1);
  assert(res == CUFFT_SUCCESS);
  res = cufftExecC2C(plan, d, d, CUFFT_FORWARD);
  assert(res == CUFFT_SUCCESS);
  res = cufftSetStream(plan, s2);
  assert(res == CUFFT_SUCCESS);
  nvtxMarkA("plan stream change");
  res = cufftExecC2C(plan, d, d, CUFFT_FORWARD);
  assert(res == CUFFT_SUCCESS);
  cudaDeviceSynchronize();
  return 0;
}


$ nvcc -o t1089 t1089.cu -lcufft -lnvToolsExt
$ cuda-memcheck ./t1089
========= CUDA-MEMCHECK
========= ERROR SUMMARY: 0 errors
$

我们只是连续进行两次前向 FFT,在两者之间切换流。我们将使用 nvtx标记来清楚地标识计划流关联更改请求发生的点。现在让我们看一下nvprof --print-api-trace输出(删除冗长的启动前导码):

983.84ms  617.00us  cudaMalloc
984.46ms  21.628us  cudaMemset
984.48ms  37.546us  cudaStreamCreate
984.52ms  121.34us  cudaStreamCreate
984.65ms     995ns  cudaPeekAtLastError
984.67ms     996ns  cudaConfigureCall
984.67ms     517ns  cudaSetupArgument
984.67ms  21.908us  cudaLaunch (void spRadix0064B::kernel1Mem<unsigned int, float, fftDirection_t=-1, unsigned int=32, unsigned int=4, CONSTANT, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix1_t, unsigned int, float>) [416])
984.69ms     349ns  cudaGetLastError
984.69ms     203ns  cudaPeekAtLastError
984.70ms     296ns  cudaConfigureCall
984.70ms     216ns  cudaSetupArgument
984.70ms  8.8920us  cudaLaunch (void spRadix0064B::kernel1Mem<unsigned int, float, fftDirection_t=-1, unsigned int=32, unsigned int=4, CONSTANT, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix1_t, unsigned int, float>) [421])
984.71ms     272ns  cudaGetLastError
984.71ms     177ns  cudaPeekAtLastError
984.72ms     314ns  cudaConfigureCall
984.72ms     229ns  cudaSetupArgument
984.72ms  9.9230us  cudaLaunch (void spRadix0256B::kernel3Mem<unsigned int, float, fftDirection_t=-1, unsigned int=16, unsigned int=2, L1, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix3_t, unsigned int, float>) [426])
984.73ms     295ns  cudaGetLastError
984.77ms         -  [Marker] plan stream change
984.77ms     434ns  cudaPeekAtLastError
984.78ms     357ns  cudaConfigureCall
984.78ms     228ns  cudaSetupArgument
984.78ms  10.642us  cudaLaunch (void spRadix0064B::kernel1Mem<unsigned int, float, fftDirection_t=-1, unsigned int=32, unsigned int=4, CONSTANT, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix1_t, unsigned int, float>) [431])
984.79ms     287ns  cudaGetLastError
984.79ms     193ns  cudaPeekAtLastError
984.80ms     293ns  cudaConfigureCall
984.80ms     208ns  cudaSetupArgument
984.80ms  7.7620us  cudaLaunch (void spRadix0064B::kernel1Mem<unsigned int, float, fftDirection_t=-1, unsigned int=32, unsigned int=4, CONSTANT, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix1_t, unsigned int, float>) [436])
984.81ms     297ns  cudaGetLastError
984.81ms     178ns  cudaPeekAtLastError
984.81ms     269ns  cudaConfigureCall
984.81ms     214ns  cudaSetupArgument
984.81ms  7.4130us  cudaLaunch (void spRadix0256B::kernel3Mem<unsigned int, float, fftDirection_t=-1, unsigned int=16, unsigned int=2, L1, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix3_t, unsigned int, float>) [441])
984.82ms     312ns  cudaGetLastError
984.82ms  152.63ms  cudaDeviceSynchronize
$

我们看到每个 FFT 操作需要 3 个内核调用。在这两者之间,我们看到我们的 nvtx 标记指示何时请求更改计划流,这发生在前 3 个内核启动之后,但在最后 3 个内核启动之前,这并不奇怪。最后,我们注意到基本上所有执行时间被最终cudaDeviceSynchronize()调用吸收。所有前面的调用都是异步的,因此在执行的第一毫秒或多或少地“立即”执行。最终同步吸收了 6 个内核的所有处理时间,总计约 150 毫秒。

因此,如果cufftSetStream要对调用的第一次迭代产生影响cufftExecC2C(),我们希望看到前 3 个内核中的部分或全部启动到与后 3 个内核使用的流相同的流中。但是当我们查看nvprof --print-gpu-trace输出时:

$ nvprof --print-gpu-trace ./t1089
==3757== NVPROF is profiling process 3757, command: ./t1089
==3757== Profiling application: ./t1089
==3757== Profiling result:
   Start  Duration            Grid Size      Block Size     Regs*    SSMem*    DSMem*      Size  Throughput           Device   Context    Stream  Name
974.74ms  7.3440ms                    -               -         -         -         -  800.00MB  106.38GB/s  Quadro 5000 (0)         1         7  [CUDA memset]
982.09ms  23.424ms          (25600 2 1)        (32 8 1)        32  8.0000KB        0B         -           -  Quadro 5000 (0)         1        13  void spRadix0064B::kernel1Mem<unsigned int, float, fftDirection_t=-1, unsigned int=32, unsigned int=4, CONSTANT, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix1_t, unsigned int, float>) [416]
1.00551s  21.172ms          (25600 2 1)        (32 8 1)        32  8.0000KB        0B         -           -  Quadro 5000 (0)         1        13  void spRadix0064B::kernel1Mem<unsigned int, float, fftDirection_t=-1, unsigned int=32, unsigned int=4, CONSTANT, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix1_t, unsigned int, float>) [421]
1.02669s  27.551ms          (25600 1 1)       (16 16 1)        61  17.000KB        0B         -           -  Quadro 5000 (0)         1        13  void spRadix0256B::kernel3Mem<unsigned int, float, fftDirection_t=-1, unsigned int=16, unsigned int=2, L1, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix3_t, unsigned int, float>) [426]
1.05422s  23.592ms          (25600 2 1)        (32 8 1)        32  8.0000KB        0B         -           -  Quadro 5000 (0)         1        14  void spRadix0064B::kernel1Mem<unsigned int, float, fftDirection_t=-1, unsigned int=32, unsigned int=4, CONSTANT, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix1_t, unsigned int, float>) [431]
1.07781s  21.157ms          (25600 2 1)        (32 8 1)        32  8.0000KB        0B         -           -  Quadro 5000 (0)         1        14  void spRadix0064B::kernel1Mem<unsigned int, float, fftDirection_t=-1, unsigned int=32, unsigned int=4, CONSTANT, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix1_t, unsigned int, float>) [436]
1.09897s  27.913ms          (25600 1 1)       (16 16 1)        61  17.000KB        0B         -           -  Quadro 5000 (0)         1        14  void spRadix0256B::kernel3Mem<unsigned int, float, fftDirection_t=-1, unsigned int=16, unsigned int=2, L1, ALL, WRITEBACK>(kernel_parameters_t<fft_mem_radix3_t, unsigned int, float>) [441]

Regs: Number of registers used per CUDA thread. This number includes registers used internally by the CUDA driver and/or tools and can be more than what the compiler shows.
SSMem: Static shared memory allocated per CUDA block.
DSMem: Dynamic shared memory allocated per CUDA block.
$

我们看到实际上前 3 个内核被发布到第一个流中,最后 3 个内核被发布到第二个流中,正如请求的那样。(并且所有内核的总执行时间大约为 150 毫秒,正如 api 跟踪输出所建议的那样。)由于底层内核启动是异步的,并且在cufftExecC2C()调用返回之前发出,如果你仔细考虑这一点,你'我会得出结论,它必须是这样的。启动内核的流是在内核启动时指定的。(当然我认为这被认为是“首选”行为。)

于 2016-02-25T23:21:06.447 回答