7

我有以下矩阵乘法代码,使用 CUDA 3.2 和 VS 2008 实现。我在 Windows server 2008 r2 企业版上运行。我正在运行 Nvidia GTX 480。以下代码适用于“宽度”(矩阵宽度)的值高达 2500 左右。

int size = Width*Width*sizeof(float);
float* Md, *Nd, *Pd;
cudaError_t err = cudaSuccess;

//Allocate Device Memory for M, N and P
err = cudaMalloc((void**)&Md, size);
err = cudaMalloc((void**)&Nd, size);
err = cudaMalloc((void**)&Pd, size);

//Copy Matrix from Host Memory to Device Memory
err = cudaMemcpy(Md, M, size, cudaMemcpyHostToDevice);
err = cudaMemcpy(Nd, N, size, cudaMemcpyHostToDevice);

//Setup the execution configuration
dim3 dimBlock(TileWidth, TileWidth, 1);
dim3 dimGrid(ceil((float)(Width)/TileWidth), ceil((float)(Width)/TileWidth), 1);

MatrixMultiplicationMultiBlock_Kernel<<<dimGrid, dimBlock>>>(Md, Nd, Pd, Width);

err = cudaMemcpy(P, Pd, size, cudaMemcpyDeviceToHost);

//Free Device Memory
cudaFree(Md);
cudaFree(Nd);
cudaFree(Pd);

当我将“宽度”设置为 3000 或更大时,黑屏后出现以下错误: 截屏

上网查了一下,看到有人出现这个问题,是因为看门狗在内核挂起超过5秒后就杀掉了。我尝试在注册表中编辑“TdrDelay”,这延迟了黑屏和出现相同错误之前的时间。所以我得出结论,这不是我的问题。

我调试了我的代码,发现这行是罪魁祸首:

err = cudaMemcpy(P, Pd, size, cudaMemcpyDeviceToHost);

这是我在调用矩阵乘法内核函数后用来从设备返回结果集的方法。到目前为止,一切似乎都运行良好。我相信我正在正确分配内存并且无法弄清楚为什么会发生这种情况。我想也许我的卡上没有足够的内存来做这个,但是 cudaMalloc 不应该返回错误吗?(我在调试时确认它没有)。

任何想法/帮助将不胜感激!...非常感谢大家!

内核代码:

//Matrix Multiplication Kernel - Multi-Block Implementation
__global__ void MatrixMultiplicationMultiBlock_Kernel (float* Md, float* Nd, float* Pd, int Width) 
{
int TileWidth = blockDim.x;

//Get row and column from block and thread ids
int Row = (TileWidth*blockIdx.y) + threadIdx.y;
int Column = (TileWidth*blockIdx.x) + threadIdx.x;

//Pvalue store the Pd element that is computed by the thread
float Pvalue = 0;

for (int i = 0; i < Width; ++i)
{
    float Mdelement = Md[Row * Width + i];
    float Ndelement = Nd[i * Width + Column];
    Pvalue += Mdelement * Ndelement;
}

//Write the matrix to device memory each thread writes one element
Pd[Row * Width + Column] = Pvalue;
}

我也有这个使用共享内存的其他功能,它也给出了同样的错误:

称呼:

            MatrixMultiplicationSharedMemory_Kernel<<<dimGrid, dimBlock, sizeof(float)*TileWidth*TileWidth*2>>>(Md, Nd, Pd, Width);

内核代码:

 //Matrix Multiplication Kernel - Shared Memory Implementation
 __global__ void MatrixMultiplicationSharedMemory_Kernel (float* Md, float* Nd, float* Pd, int Width) 
 {
int TileWidth = blockDim.x;

//Initialize shared memory
extern __shared__ float sharedArrays[];
float* Mds = (float*) &sharedArrays;
float* Nds = (float*) &Mds[TileWidth*TileWidth];

int tx = threadIdx.x;
int ty = threadIdx.y;

//Get row and column from block and thread ids
int Row = (TileWidth*blockIdx.y) + ty;
int Column = (TileWidth*blockIdx.x) + tx;
float Pvalue = 0;

//For each tile, load the element into shared memory
for( int i = 0; i < ceil((float)Width/TileWidth); ++i)
{
    Mds[ty*TileWidth+tx] = Md[Row*Width + (i*TileWidth + tx)];
    Nds[ty*TileWidth+tx] = Nd[(ty + (i * TileWidth))*Width + Column]; 

    __syncthreads();

    for( int j = 0; j < TileWidth; ++j)
    {
        Pvalue += Mds[ty*TileWidth+j] * Nds[j*TileWidth+tx];
    }

    __syncthreads();
}

//Write the matrix to device memory each thread writes one element
Pd[Row * Width + Column] = Pvalue;
}
4

3 回答 3

10

控制 WDDM 超时

问题实际上是内核而不是cudaMemcpy(). 当您启动内核时,GPU 会关闭并与 CPU 异步执行工作,因此只有当您与 GPU 同步时,您才必须等待工作完成。cudaMemcpy()涉及隐式同步,因此这就是您看到问题的地方。

您可以通过在内核之后调用来仔细检查这一点,cudaThreadSynchronize()问题似乎出cudaThreadSynchronize()cudaMemcpy().

更改 TDR 超时后,您是否重新启动了机器?不幸的是,需要重新启动 Windows 才能更改 TDR 设置。此 Microsoft 文档对可用的完整设置进行了相当好的描述。

内核问题

在这种情况下,问题实际上不是 WDDM 超时。您需要解决内核中的错误(例如,您应该能够i在每次迭代中增加一个以上)并且检查matrixMulSDK 中的示例可能很有用。顺便说一句,我希望这是一个学习练习,因为实际上你会更好(就性能而言)使用 CUBLAS 来执行矩阵乘法。

代码中最关键的问题是您使用共享内存而没有实际分配任何内存。在您的内核中,您有:

//Initialize shared memory
extern __shared__ float sharedArrays[];

但是当你启动内核时,你并没有指定为每个块分配多少共享内存:

MatrixMultiplicationMultiBlock_Kernel<<<dimGrid, dimBlock>>>(Md, Nd, Pd, Width);

<<<>>> 语法实际上有四个参数,其中第三个和第四个是可选的。第四个是流索引,用于在计算和数据传输(以及并发内核执行)之间获得重叠,但第三个参数指定每个块的共享内存量。在这种情况下,我假设您想将TileWidth * TileWidth浮点数存储在共享内存中,因此您将使用:

MatrixMultiplicationMultiBlock_Kernel<<<dimGrid, dimBlock, dimBlock.x * dimBlock.x * sizeof(float)>>>(Md, Nd, Pd, Width);

主要问题

正如您在评论中提到的那样,实际问题是您的矩阵宽度不是块宽度的倍数(和高度,因为它是方形的,这意味着超出末端的线程将访问超出数组的末端。代码应该要么处理非多重情况,或者它应该确保宽度是块大小的倍数。

我应该早些提出这个建议,但是运行cuda-memcheck检查内存访问违规通常很有用。

于 2010-10-30T18:38:36.923 回答
1

您必须更改驱动程序超时设置,这是 Windows 功能,以防止有故障的驱动程序使系统无响应。检查描述如何执行此操作的Microsoft 页面。

于 2010-10-30T20:00:06.410 回答
0

您还应该检查 GPU 设备上的“超时”标志设置。如果您安装了 CUDA SDK,我相信“deviceQuery”应用程序会报告此属性。

于 2010-11-01T08:08:47.977 回答