NVPROF报告的交易指标究竟是什么

Question

我正试图弄清楚"nvprof"报告的每个指标到底是什么。更具体地说，我不知道哪些事务是系统内存和设备内存读写。我写了一个非常基本的代码来帮助解决这个问题。

#define TYPE float
#define BDIMX 16
#define BDIMY 16
#include <cuda.h>
#include <cstdio>
#include <iostream>
__global__ void kernel(TYPE *g_output, TYPE *g_input, const int dimx, const int dimy)
{
__shared__ float s_data[BDIMY][BDIMX];
  int ix = blockIdx.x * blockDim.x + threadIdx.x;
  int iy = blockIdx.y * blockDim.y + threadIdx.y;
  int in_idx = iy * dimx + ix; // index for reading input
  int tx = threadIdx.x; // thread’s x-index into corresponding shared memory tile  
  int ty = threadIdx.y; // thread’s y-index into corresponding shared memory tile 
  s_data[ty][tx] = g_input[in_idx];
  __syncthreads();
  g_output[in_idx] = s_data[ty][tx] * 1.3;
  }

int main(){
  int size_x = 16, size_y = 16;
  dim3 numTB;
    numTB.x = (int)ceil((double)(size_x)/(double)BDIMX) ;
    numTB.y = (int)ceil((double)(size_y)/(double)BDIMY) ;
  dim3 tbSize; 
  tbSize.x = BDIMX;
  tbSize.y = BDIMY;
  float* a,* a_out;
  float *a_d = (float *) malloc(size_x * size_y * sizeof(TYPE));
  cudaMalloc((void**)&a,     size_x * size_y * sizeof(TYPE));
  cudaMalloc((void**)&a_out, size_x * size_y * sizeof(TYPE));
  for(int index = 0; index < size_x * size_y; index++){
      a_d[index] = index;
   }
  cudaMemcpy(a, a_d, size_x * size_y * sizeof(TYPE), cudaMemcpyHostToDevice);
  kernel <<<numTB, tbSize>>>(a_out, a, size_x, size_y);
  cudaDeviceSynchronize();
  return 0;
}

然后，我为输出运行nvprof-metrics-all以查看所有度量。这是我感兴趣的部分：

           Metric Name                        Metric Description         Min         Max         Avg
Device "Tesla K40c (0)"
  Kernel: kernel(float*, float*, int, int)
    local_load_transactions                   Local Load Transactions           0           0           0
   local_store_transactions                  Local Store Transactions           0           0           0
   shared_load_transactions                  Shared Load Transactions           8           8           8
  shared_store_transactions                 Shared Store Transactions           8           8           8
           gld_transactions                  Global Load Transactions           8           8           8
           gst_transactions                 Global Store Transactions           8           8           8
   sysmem_read_transactions           System Memory Read Transactions           0           0           0
  sysmem_write_transactions          System Memory Write Transactions           4           4           4
     tex_cache_transactions                Texture Cache Transactions           0           0           0
     dram_read_transactions           Device Memory Read Transactions           0           0           0
    dram_write_transactions          Device Memory Write Transactions          40          40          40
       l2_read_transactions                      L2 Read Transactions          70          70          70
      l2_write_transactions                     L2 Write Transactions          46          46          46

我了解共享和全局访问。全局访问是合并的，因为有8个扭曲，所以有8个事务。但我无法计算出系统内存和设备内存写入的事务编号。

Answer 1

如果您有一个同时具有逻辑和物理空间的GPU内存层次结构模型，例如此处的模型，则会有所帮助。

参考"概览选项卡"图：

1. gld_transactions是指从warp发出的以全局逻辑空间为目标的事务。在图上，这将是从左边的"内核"框到右边的"全局"框的一行，逻辑数据移动方向将是从右到左。

2. gst_transactions引用与上面相同的行，但逻辑上从左到右。请注意，这些逻辑全局事务可能会在缓存中命中，之后不会再去任何地方。从度量的角度来看，这些事务类型仅指图表上指示的行。

3. dram_write_transactions是指图中连接右侧设备内存和二级缓存的那一行，逻辑数据流在这一行从左到右。由于L2高速缓存线是32字节（而L1高速缓存线和全局事务的大小是128字节），因此设备存储器事务也是32字节，而不是128字节。因此，通过L1（如果启用，则为直写缓存）和L2的全局写入事务将生成4个dram_write事务。这应该解释40笔交易中的32笔。

4. 系统内存事务以零拷贝主机内存为目标。你似乎没有，所以我无法解释这些。

请注意，在某些情况下，对于某些度量，在某些GPU上，探查器在启动非常少量的线程块时可能会有一些"不准确"。例如，一些度量是在每个SM的基础上进行采样和缩放的。（但是，设备内存事务不在此类别中）。如果在每个SM上都有不同的工作要做（可能是由于启动的线程块数量非常少），那么缩放可能会产生误导/不太准确。通常，如果您启动了大量的线程块，这些线程块通常会变得微不足道。

这个答案也可能令人感兴趣。