10

我有一些与代码非常相似的东西：

int k, no_streams = 4;
cudaStream_t stream[no_streams];
for(k = 0; k < no_streams; k++) cudaStreamCreate(&stream[k]);

cudaMalloc(&g_in,  size1*no_streams);
cudaMalloc(&g_out, size2*no_streams);

for (k = 0; k < no_streams; k++)
  cudaMemcpyAsync(g_in+k*size1/sizeof(float), h_ptr_in[k], size1, cudaMemcpyHostToDevice, stream[k]);

for (k = 0; k < no_streams; k++)
  mykernel<<<dimGrid, dimBlock, 0, stream[k]>>>(g_in+k*size1/sizeof(float), g_out+k*size2/sizeof(float));

for (k = 0; k < no_streams; k++)
  cudaMemcpyAsync(h_ptr_out[k], g_out+k*size2/sizeof(float), size2, cudaMemcpyDeviceToHost, stream[k]);

cudaThreadSynchronize();

cudaFree(g_in);
cudaFree(g_out);

'h_ptr_in' 和 'h_ptr_out' 是用 cudaMallocHost 分配的指针数组（没有标志）。

问题是流不重叠。在可视化分析器中，我可以看到第一个流中的内核执行与第二个流中的副本（H2D）重叠，但没有其他重叠。

我可能没有资源来运行 2 个内核（我想我有），但至少内核执行和复制应该是重叠的，对吧？如果我将所有 3 个（复制 H2D、内核执行、复制 D2H）放在同一个 for 循环中，它们都不会重叠......

请帮忙，这可能是什么原因造成的？

我正在运行：

Ubuntu 10.04 x64

设备：“GeForce GTX 460”（CUDA 驱动程序版本：3.20，CUDA 运行时版本：3.20，CUDA 能力主要/次要版本号：2.1，并发复制和执行：是，并发内核执行：是）

4

2 回答 2

7

根据NVIDIA 论坛上的这篇文章，分析器将序列化流式传输以获取准确的时序数据。如果您认为您的时间错了，请确保您使用的是 CUDA 事件...

我最近一直在尝试流式传输，我发现 SDK 中的“simpleMultiCopy”示例非常有用，尤其是在适当的逻辑和同步方面。

于 2011-05-20T14:42:21.890 回答
3

如果您想查看内核与内核（并发内核）的重叠，您需要使用 CUDA 5.0 Toolkit 附带的 CUDA Visual profiler 5.0。我认为以前的分析器无法做到这一点。它还应该显示内核和 memcpy 重叠。

于 2012-08-14T12:53:30.123 回答