问题标签 [amd-gcn]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
parallel-processing - SIMD-16 和 SIMD-32 的优势/劣势？
因此，最近，AMD 在其新的 Navi GPU 系列中推出了名为 rDNA 的新 GPU 架构。在阅读了某些架构深度文章和视频后，我的理解是这样的（如果我错了，请随时纠正）：
需要类似指令才能执行的小型工作负载称为“线程”。
然后调度程序将一堆需要相同指令的线程安排在一起。特别是在 AMD GPU 的情况下，GCN 和 rDNA 被设计为分别处理 64 和 32 个线程。
SIMD 然后处理那些集群线程。但不同的是，AMD GCN 使用 SIMD16，意味着一次可以处理 16 个线程，而 AMD rDNA 使用 SIMD32，意味着一次可以处理 32 个线程。
如果 GPU 需要执行所有 64 个线程，事情应该可以完美运行，但如果它只需要执行 1 个线程，那就太麻烦了。所以只有 1 个 SIMD16 矢量单元实际上在做一些富有成效的事情，而其他三个基本上只是令人不寒而栗。
架构的改变意味着，有了 SIMD32，GPU 可以消除潜在的瓶颈。
然而，这些消息来源中的每一个都在说“SIMD16 设计更适合计算工作负载”......这让我提出了一些问题：
1）SIMD32设计在SIMD16中不是在各个方面都更好吗？如果不是，那么 SIMD16 在计算工作中的优势到底是什么？
2）对于每64个线程，4个SIMD16是同时还是串行做处理工作？我问它的原因是来自Engadget的视频将这个过程描述为序列化，而来自Linus Tech Tips的视频似乎暗示它是并行的。这让我很困惑。
如果一切都是串行的，那么为什么 AMD 不只是选择 SIMD64 或其他东西？
如果一切都是平行的，那么老实说，我根本看不到 SIMD 的优势。在 GCN 上，你有 4 个 SIMD16，在 rDNA 上，你有 2 个 SIMD32。如果您使用 SIMD16 在 GCN 上处理 1 个线程，则运行 1 个 SIMD16 的时间应该等于运行 4 个 SIMD16 的时间，因为它们再次是并行的。跳转到 2 SIMD32，您处理 1 SIMD32 的时间应该等于您处理其中 2 个 SIMD32 的时间。在这两种情况下，您仍然可能有 63 个未使用的线程。那么有什么意义呢。
我知道我的理解在某些时候一定有缺陷，所以我希望得到一些深入的解释。谢谢。
opencl - 在 AMD Radeon RX580 上解决的这个 N 体问题中，内存访问的最佳实践是什么？
我计算了 N 个粒子在其引力场中移动的轨迹。我编写了以下 OpenCL 内核：
然后我多次运行这个内核作为全局工作大小=[体数]的一维问题：
这是来自AMD OpenCL 优化指南（2015 年）的引述：
在某些情况下，通道冲突的一个意外情况是从同一地址读取是一个冲突，即使在 FastPath 上也是如此。这不会发生在只读存储器上，例如常量缓冲区、纹理或着色器资源视图 (SRV)；但可以在读/写 UAV 内存或 OpenCL 全局内存上。
我队列中的工作项都尝试在此循环中访问相同的内存，因此肯定存在通道冲突：
我换了
和
所以第一个工作项（具有全局 id 0）首先访问数组r中的第一个元素，第二个工作项访问第二个元素，依此类推。
我预计这种变化一定会导致性能提高，但相反，它会导致性能显着下降（大约是 2 倍）。我错过了什么？为什么在这种情况下，完全相同的内存可以更好地访问它？
如果您有其他提示如何提高性能，请与我分享。OpenCL 优化指南非常混乱。
opencl - 在 OpenCL 中，可以获取一个包含 GCN 程序集的数组并执行它（JIT）吗？
我对 OpenCL 比较陌生，对此感到疑惑。我听说可以通过 OpenCL 在某些 AMD gpus 上进行 JIT。现在，如果这要像在 c++ 中那样在语法上工作，我会写如下内容：
当然，这样的事情给了我错误-11。
可以做到吗，如果可以，正确的方法是什么？
...如果可以的话，第二次跟进，OpenCL 中的调用约定是什么？
gpu - AMD Polaris 上某些尺寸的矩阵乘法性能下降
我有一个 OpenCL 代码，它将 2 个矩阵 (GEMM) 与 M=4096、N=4096 和 K=16 相乘。（即矩阵 4096 x 16 浮点数）
我在 Polaris 560、16CU GPU 上运行它。
代码：https ://github.com/artyom-beilis/oclblas/blob/master/gemm/gemm.cl
我注意到这种大小的性能下降非常奇怪，这种大小的矩阵乘法具有约 8-10 GFlops 的性能，而如果我将 N 更改为 4095 或 4097，我会得到大约 130-150Gflops 的性能。我注意到其他 GEMM 库（如 clblas 或 miopengemm）的类似行为 - 对于这种 4096x16 的特定大小，我的性能显着下降，并且将 N 更改为 1 可将性能提高数倍。
工作负载分为 256 个线程的工作组。每个工作组处理 128x16 和 128x16 矩阵块（每个线程 8x8 块）。
我尝试使用 6x6 块将矩阵平铺更改为 96x96，而不是使用 8x8 的 128x128 - 结果相同。
我使用 ROCm 3.7 OpenCL、Clover OpenCL 甚至 Windows OpenCL 驱动程序测试了相同的代码 - 相同的行为。
具有相同数量的 gpu 内核（线程）和相同内存类型/大小的 nvidia gtx 960 不存在此类问题。
我怀疑这与缓存/冲突有关，但我不明白它是如何发生的。因此，我不知道如何解决它。