问题标签 [ptxas]

当指定 GPU 架构时，使用该选项编译的 CUDA 内核--ptxas-options=-v似乎显示错误的 lmem（本地内存）统计信息。sm_20这同样为架构提供了有意义的 lmem 统计信息sm_10 / sm_11 / sm_12 / sm_13。

有人可以澄清 sm_20 lmem 统计数据是否需要以不同的方式阅读，或者它们是完全错误的？

这是内核：

--ptxas-options=-v并sm_20报告：

--ptxas-options=-v并sm_10 / sm_11 / sm_12 / sm_13报告：

sm_20 报告一个4 bytes的 lmem ，如果您看到内核中使用了 4x1000 字节数组，这根本不可能。较旧的 GPU 架构报告正确的4000 字节lmem 统计信息。

这是用CUDA 3.2试过的。我参考了NVCC 手册(v3.2) 的打印代码生成统计部分，但它无助于解释这种异常情况。

我的内核有这样的 ptx 版本：

我数了一下，我的内核中只有 13 条指令（不包括 ret 指令）。当我将工作项的数量设置为5120时，工作组大小为64。因为有16个SM，每个SM有32个标量处理器，所以上面的代码将在一个SM中执行10次。正如我预期的那样，执行指令的数量应该是10*13 = 130。但是经过我的分析，结果是：发出指令=130，执行指令=100。1. 为什么发出指令的数量与执行指令的数量不同？没有分支，所以它们不应该是平等的吗？2. 为什么执行的指令数比预期的少？至少应该执行 ptx 版本中的所有指令吗？3. 缓存未命中（L1 和 L2）对发出指令的数量和执行的指令数量有影响吗？谢谢

在单独的文件中写入 PTX 时，可以将内核参数加载到寄存器中：

但是，当使用内联 PTX 时，在 CUDA（版本 01）中使用内联 PTX 程序集应用说明描述了一种语法，其中加载参数与另一个操作密切相关。它提供了这个例子：

生成：

在许多情况下，有必要将这两个操作分开。例如，可能希望将参数存储在循环外的寄存器中，然后在循环内重用和修改寄存器。我发现这样做的唯一方法是使用额外的 mov 指令，将参数从隐式加载的寄存器移动到我以后可以使用的另一个寄存器。

从单独文件中的 PTX 移动到内联 PTX 时，有没有办法避免这个额外的 mov 指令？

我正在将作为单独文件编写的 PTX 转换为内联 PTX。在单独的 PTX 文件中，我将 ISA 和目标定义如下：

在编译器生成的 PTX 文件中，内联 PTX 后，编译器指定了 ISA 和 target，如下所示：

这.address_size 64对我来说是有问题的，因为这意味着我必须将我在内联 PTX 中执行的指针算法从 32 位更新为 64 位。

鉴于 32 位可以寻址 4GB，比我的卡更多的内存，是否可以让编译器指定 32 位地址大小，这样我就不必更新指针算法？

考虑到新的统一寻址系统，sm_20 是否支持 32 位地址？

在 Parallel Nsight 中单步执行内联 PTX 时是否可以查看 PTX 寄存器？

我可以在内联 PTX 上设置断点并单步执行，但将鼠标悬停在 PTX 寄存器上不会显示它们的值。我可以打开 SASS 并将鼠标悬停在这些寄存器上确实会显示它们的值，但是很难跟踪 PTX 寄存器和 SASS 寄存器之间的关系。

我正在编写一个 OpenCL 程序，并在构建时收到此错误：

相应的 ptx 行（自动生成）是：

这是我编写的函数：

错误的原因是什么？如何解决？

我想在 NVIDIA GPU 上拦截 opencl 程序的 PTX 级别。

我想例程可能看起来像这样。

首先，我编写了一个 opencl 程序（主机和设备代码），使用 NVIDIA 编译器生成各自的 ptx 代码。然后我通过修改PTX代码来写我想做的事情（请不要问我为什么没有在设备C代码上这样做——我有一些原因）。但问题是，修改后，如何将这个 PTX 代码编译成二进制代码？

我正在研究一个大型 cuda 内核，我注意到内核每个线程使用 43 个寄存器。为了了解发生了什么，我编写了一个较小的程序来计算寄存器的使用情况。我注意到每当我使用 时if，寄存器的使用率都会上升。小代码如下：

当我编译这段代码时，每个线程使用 5 个寄存器

但是，如果我取消注释if，每个线程使用 8 个寄存器。谁能向我解释发生了什么事？

我正在尝试了解我的每个 CUDA 线程的资源使用情况，以用于手写内核。

我将我kernel.cu的文件编译成一个kernel.o文件nvcc -arch=sm_20 -ptxas-options=-v

我得到以下输出（通过c++filt）：

看上面的输出，这样说对吗

• 每个 CUDA 线程使用 46 个寄存器？
• 没有寄存器溢出到本地内存？

我在理解输出方面也有一些问题。

• 我的内核正在调用很多__device__函数。__global__和__device__函数的堆栈帧的内存总和是 72 字节吗？

• 0 byte spill stores和有什么区别0 bytes spill loads

• 为什么信息cmem（我假设是恒定记忆）用不同的数字重复两次？在内核中，我没有使用任何常量内存。这是否意味着编译器会在后台告诉 GPU 使用一些常量内存？

_{这个问题在以下内容中“继续”：解释 ptxas 的详细输出，第二部分}

目前我正在尝试优化一些cuda内核......

如果使用选项--ptxas-options=-v 编译，我会得到有关寄存器%co 的信息。

就我而言，我总是得到一些额外的行，这对我来说毫无意义：

第 1 到 4 行对我来说很清楚，但最后一行是什么？

谷歌在这里没有帮助....我已经尝试过了。

有人知道这些行的含义是什么吗？我为程序中的每个编译内核获取它们