问题标签 [intel-mic]

我为 3 维 FFT（MKL 接口）开发了 C 代码，以便在英特尔 MIC 平台上本地运行。

对于复数到复数的转换，数据元素是双精度复数。我使用填充的前导维度，mkl_malloc() 64 字节对齐，并为数组使用 radix-2 维度我最终得到的性能约为 50 Gflop/s。

对于类似类型的转换，我无法在任何地方执行列表。谁能告诉我这对 Xeon Phi 是否合理（满意）？

我想在英特尔至强融核协处理器上运行一个程序。我如何知道我的机器是否有 Intel Xeon Phi 协处理器。

在英特尔至强融核中，每个内核有 32 个 512 位宽的向量寄存器。每个向量寄存器每个周期可以进行 16 次单精度浮点运算。并且可以在 1 个周期内完成 2 个操作（1 个在 v-pipe 中，1 个在 u-pipe 中）。

我想知道除了在向量寄存器中完成的向量乘法之外，在 1 个时钟周期内可以完成多少次标量乘法。

我的主要目标是在 xeon phi 协处理器中插入 1ms 的延迟，但我的结果却有大约 9ms 的差异。因此，我尝试使用至强主机和 phi 协处理器进行试验，以找到计时器分辨率。我执行了以下代码：

在主机中运行以下程序：

./a.out Nano 睡眠成功 0.000155

在至强 phi 协处理器中运行：

./nsleep_mic Nano 睡眠成功 0.009998

所以我在 xeon phi 中得到了几乎 90% 的错误等待。

1. 为什么会发生这种错误的等待？
2. 如果我想要 1ms 的睡眠时间如何解决？

我有一个例程对小矩阵（50-100 x 1000 元素）执行一些 MKL 调用以拟合模型，然后我调用不同的模型。在伪代码中：

调用上面的版本1。由于模型是独立的，所以我可以使用OpenMP线程来并行化模型拟合，如下（版本2）：

当我在主机上运行版本 1 时，大约需要 11 秒，并且 VTune 报告并行化较差，大部分时间都处于空闲状态。主机上的版本 2 大约需要 5 秒，并且 VTune 报告了出色的并行化（几乎 100% 的时间花费在使用 8 个 CPU 上）。现在，当我编译代码以在本机模式下（使用 -mmic）在 Phi 卡上运行时，在 mic0 上的命令提示符下运行时，版本 1 和 2 都需要大约 30 秒。当我使用 VTune 对其进行分析时：

• 版本 1 大约需要 30 秒，热点分析表明大部分时间都花在了 __kmp_wait_sleep 和 __kmp_static_yield 上。在 7710 秒 CPU 时间中，有 5804 秒用于自旋时间。
• 版本 2 需要 fooooorrrreevvvver... 在 VTune 中运行几分钟后，我将其杀死。热点分析表明，25254s的CPU时间中，有21585s花费在[vmlinux]上。

谁能解释这里发生了什么以及为什么我的表现如此糟糕？我使用 OMP_NUM_THREADS 的默认值并设置 KMP_AFFINITY=compact,granularity=fine（如英特尔推荐的那样）。我是 MKL 和 OpenMP 的新手，所以我确定我犯了新手错误。

谢谢，安德鲁

在 Nvidia GPU 上，我们可以使用 Streams 让多个内核同时运行。Xeon Phi怎么样？如果我通过不同的线程卸载两部分计算代码，它们会在 Xeon Phi 上同时运行吗？

我观察到一种奇怪的行为，想知道它是否与 Intel Xeon Phi 有关。

我有一个小示例代码，基本上是大家都知道的矩阵乘法（三个嵌套的 for 循环）。我将计算卸载到带有 OpenMP 4.0 targetpragma 的 Intel MIC 并使用map(to:A,B) map(tofrom:C).

现在，我观察到的是对于小矩阵，例如 1024x1024，内存传输花费了非常长的时间。与原生版本（相同的代码，相同的并行化策略，只是没有卸载）相比，卸载版本消耗了大约 320 毫秒的时间。我对代码进行了热身运行以消除初始化开销。

与 Nvidia Tesla K20 相比，复制相同数量的内存却没有注意到这 320 毫秒非常糟糕。

是否有一些环境设置可以提高内存传输速度？

另外一个问题：我通过 OFFLOAD_REPORT 环境变量启用了卸载报告。报告中显示的两种计时结果有什么区别：

在 MIC 时间（内存传输？）中缺少的那 10 秒是什么？

那么第三个问题。是否可以将固定内存与英特尔 MIC 一起使用？如果是，如何？

根据《英特尔至强融核协处理器高性能编程》一书，我们可以将数据从一个变量移动到另一个变量。我尝试按照示例进行操作，发现它有效：

代码：

我在主机上有一个数组 A，我将它们复制到 Xeon Phi 上的数组 B 中。我向 B 中的所有元素添加 10，然后将 Xeon Phi 上的 B 中的元素卸载到主机上的 A。结果是：

但是，如果我使用指针，则会出现错误。

代码 2：

结果2：

当我尝试将内容复制回来时，似乎出了点问题。

into 支持指针吗？在实际项目中，我们需要指向数组的指针。

出于测试目的，我正在使用 Icc 内联汇编器为英特尔的 Xeon Phi 编写简短的汇编片段。现在我想使用屏蔽向量指令，但我无法将它们提供给内联汇编器。

对于这样的代码：

我收到错误消息

我尝试了很多不同的组合，但没有任何效果。Linux下编译器版本为intel64/13.1up03，使用GAS语法。

编辑：上面的代码实际上适用于非扩展汇编程序。所以这：

有效，而以下无效：

我想这与在扩展模式下注册名称之前使用双 % 的必要性有关。但是不，k 的单个 % 也不起作用。

我正在尝试找到我正在使用的 Xeon Phi 协处理器的确切型号。我运行 micpinfo 这就是我得到的