我有一个大内核,其中使用不同的技术演化初始状态。也就是说,我在内核中有一个循环,在这个循环中,对当前状态计算某个谓词,并对该谓词的结果执行某个操作。
内核需要一些临时数据和共享内存,但由于它很大,它使用63个寄存器,占用率非常非常低。
我想把内核分成许多小内核,但是每个块都是完全独立的,我(认为我)不能在主机代码上使用单个线程来启动多个小内核。
我不确定流是否适合这种工作,我从来没有使用过它们,但是因为我可以选择使用动态并行,我想如果这是一个很好的选择来实现这种工作。从一个内核启动一个内核快吗?我是否需要在全局内存中复制数据以使它们可供子内核使用?
如果我把我的大内核分成许多小内核,并在第一个内核中留下一个主循环,在必要时调用所需的内核(这允许我在每个子内核中移动临时变量),会帮助我增加占用吗?
我知道这是一个有点一般性的问题,但我不知道这项技术,我想知道它是否适合我的情况,或者如果流更好。
编辑:为了提供一些其他细节,您可以想象我的内核具有这样的结构:
__global__ void kernel(int *sampleData, int *initialData) {
__shared__ int systemState[N];
__shared__ int someTemp[N * 3];
__shared__ int time;
int tid = ...;
systemState[tid] = initialData[tid];
while (time < TIME_END) {
bool c = calc_something(systemState);
if (c)
break;
someTemp[tid] = do_something(systemState);
c = do_check(someTemp);
if (__syncthreads_or(c))
break;
sample(sampleData, systemState);
if (__syncthreads_and(...)) {
do_something(systemState);
sync();
time += some_increment(systemState);
}
else {
calcNewTemp(someTemp, systemState);
sync();
do_something_else(someTemp, systemState);
time += some_other_increment(someTemp, systemState);
}
}
do_some_stats();
}
这是为了告诉你有一个主循环,有临时数据在某处使用,而不是在其他点上,有共享数据,同步点,等等
线程用于计算向量数据,而理想情况下,每个块中有一个单一循环(当然,这不是真的,但逻辑上是这样的)…
现在,我不确定在这种情况下如何使用流…"大循环"在哪里?我猜是主持人吧……但是我如何在一个循环中,协调所有的块呢?这是我最怀疑的。我可以使用来自不同主机线程的流(每个块一个线程)吗?
我不太怀疑动态并行,因为我可以很容易地保持大循环运行,但我不确定我在这里是否有优势
我从动态并行中获益,解决了如下形式的插值问题:
int i = threadIdx.x + blockDim.x * blockIdx.x;
for(int m=0; m<(2*K+1); m++) {
PP1 = calculate_PP1(i,m);
phi_cap1 = calculate_phi_cap1(i,m);
for(int n=0; n<(2*K+1); n++) {
PP2 = calculate_PP2(i,m);
phi_cap2 = calculate_phi_cap2(i,n);
atomicAdd(&result[PP1][PP2],data[i]*phi_cap1*phi_cap2); } } }
其中K=6
。在这个插值问题中,每个加数的计算都是独立的,所以我把它们分割成一个(2K+1)x(2K+1)
核。
从我的(可能不完整的)经验来看,如果你有一些独立的迭代,动态并行将会有所帮助。对于大量的迭代,您可能需要多次调用子内核,因此您应该检查内核启动的开销是否会成为限制因素。