Question

我知道cudaMemcpy会同步主机和设备，但cudaMalloc或cudaFree怎么样？

基本上我想在多个GPU设备上异步内存分配/复制和内核执行，我的代码的简化版本是这样的：

void wrapper_kernel(const int &ngpu, const float * const &data)
{
 cudaSetDevice(ngpu);
 cudaMalloc(...);
 cudaMemcpyAsync(...);
 kernels<<<...>>>(...);
 cudaMemcpyAsync(...);
 some host codes;
}

int main()
{
 const int NGPU=3;
 static float *data[NGPU];
 for (int i=0; i<NGPU; i++) wrapper_kernel(i,data[i]);
 cudaDeviceSynchronize();
 some host codes;
}

但是，GPU按顺序运行，无法找到原因。

Answer 1

尝试为每个GPU使用cudaStream_t。下面是从CUDA样本中获取的simpleMultiGPU.cu。

 //Solver config                                                          
TGPUplan      plan[MAX_GPU_COUNT];
//GPU reduction results                                                                                   
float     h_SumGPU[MAX_GPU_COUNT];

....memory init....

//Create streams for issuing GPU command asynchronously and allocate memory (GPU and System page-locked)                             for (i = 0; i < GPU_N; i++)
{
    checkCudaErrors(cudaSetDevice(i));
    checkCudaErrors(cudaStreamCreate(&plan[i].stream));
    //Allocate memory                                                                                                                    checkCudaErrors(cudaMalloc((void **)&plan[i].d_Data, plan[i].dataN * sizeof(float)));
    checkCudaErrors(cudaMalloc((void **)&plan[i].d_Sum, ACCUM_N * sizeof(float)));
    checkCudaErrors(cudaMallocHost((void **)&plan[i].h_Sum_from_device, ACCUM_N * sizeof(float)));
    checkCudaErrors(cudaMallocHost((void **)&plan[i].h_Data, plan[i].dataN * sizeof(float)));

    for (j = 0; j < plan[i].dataN; j++)
    {
        plan[i].h_Data[j] = (float)rand() / (float)RAND_MAX;
    }
}

....kernel, memory copyback....

和here's使用multi gpu的一些指南。

Answer 2

您看到 GPU 操作按顺序运行的最可能原因是 cudaMalloc 是异步的，但 cudaFree 不是（只需将它们排在 CPU 线程上，并在系列操作）。

您需要使用 pinned memory 进行从 CPU 内存到 GPU 内存的异步传输，Cuda 提供了两个实用函数 cudaMallocHost 和 cudaFreeHost（而不是 malloc 和 free） .顺便说一句，还有 cudaHostAlloc 用于更好的控制，请阅读 CUDA 手册了解详情。

将cudaMalloc同步主机和设备？

2 个答案: