Question

:) 当我试图管理我的内核资源时，我决定调查PTX，但有一些我不明白的事情。这是我写的一个非常简单的内核：

__global__
void foo(float* out, float* in, uint32_t n)
{
    uint32_t idx = blockIdx.x * blockDim.x + threadIdx.x;
    uint32_t one = 5;
    out[idx] = in[idx]+one;
}

然后我使用：nvcc --ptxas-options=-v -keep main.cu编译它，我在控制台上得到了这个输出：

ptxas info    : 0 bytes gmem
ptxas info    : Compiling entry function '_Z3fooPfS_j' for 'sm_10'
ptxas info    : Used 2 registers, 36 bytes smem

结果ptx如下：

    .entry _Z3fooPfS_j (
            .param .u64 __cudaparm__Z3fooPfS_j_out,
            .param .u64 __cudaparm__Z3fooPfS_j_in,
            .param .u32 __cudaparm__Z3fooPfS_j_n)
    {
    .reg .u16 %rh<4>;
    .reg .u32 %r<5>;
    .reg .u64 %rd<8>;
    .reg .f32 %f<5>;
    .loc    15  17  0
$LDWbegin__Z3fooPfS_j:
    .loc    15  21  0
    mov.u16     %rh1, %ctaid.x;
    mov.u16     %rh2, %ntid.x;
    mul.wide.u16    %r1, %rh1, %rh2;
    cvt.u32.u16     %r2, %tid.x;
    add.u32     %r3, %r2, %r1;
    cvt.u64.u32     %rd1, %r3;
    mul.wide.u32    %rd2, %r3, 4;
    ld.param.u64    %rd3, [__cudaparm__Z3fooPfS_j_in];
    add.u64     %rd4, %rd3, %rd2;
    ld.global.f32   %f1, [%rd4+0];
    mov.f32     %f2, 0f40a00000;        // 5
    add.f32     %f3, %f1, %f2;
    ld.param.u64    %rd5, [__cudaparm__Z3fooPfS_j_out];
    add.u64     %rd6, %rd5, %rd2;
    st.global.f32   [%rd6+0], %f3;
    .loc    15  22  0
    exit;
$LDWend__Z3fooPfS_j:
    } // _Z3fooPfS_j

现在有一些我不理解的事情：

根据ptx汇编，使用4 + 5 + 8 + 5 = 22个寄存器。那么为什么在编译期间会说used 2 registers？
查看程序集我意识到threadId，blockId等的数据类型是u16。这是在CUDA规范中定义的吗？或者这可能因CUDA驱动程序的不同版本而异？
有人可以向我解释这句话：mul.wide.u16 %r1, %rh1, %rh2;？ %r1为u32，为什么使用wide代替u32？
如何选择寄存器的名称？在我的花瓶中，我理解%r部分，但我不理解h，（null），d部分。是根据数据类型长度选择的吗？即：h代表16位，null代表32位，d代表64位？
如果我用这个out[idx] = in[idx];替换我内核的最后两行，那么当我编译程序时它会说3个寄存器被使用！现在如何使用更多寄存器？

请忽略我的测试内核不检查数组索引是否超出范围的事实。

非常感谢。

Answer 1

PTX是一种中间语言，旨在跨多个GPU架构移植。它由编译器组件PTXAS编译成最终的机器代码，也称为SASS，用于特定的体系结构。 nvcc选项-Xptxas -v使PTXAS报告有关生成的机器代码的各种统计信息，包括机器代码中使用的物理寄存器的数量。您可以通过使用cuobjdump --dump-sass

拆卸机器代码来检查机器代码

因此，PTX代码中使用的寄存器数量没有意义，因为它们是虚拟寄存器。 CUDA编译器以所谓的SSA形式生成PTX代码（静态单一赋值，请参阅http://en.wikipedia.org/wiki/Static_single_assignment_form）。这基本上意味着每个写入的新结果都会被分配一个新的寄存器。

PTX规范中描述了指令mul.wide，您可以在此处找到当前版本（3.1）：http://docs.nvidia.com/cuda/parallel-thread-execution/index.html。在您的示例代码中，后缀.u16表示它将两个无符号的16位数相乘并返回无符号的32位结果，即它计算源操作数的完整双宽度乘积。

PTX中的虚拟寄存器是键入的，但它们的名称可以自由选择，与类型无关。 CUDA编译器似乎遵循（据我所知）未记录的某些约定，因为它们是内部实现工件。查看一堆PTX代码，很明显当前生成的寄存器名称是编码类型信息，这可能是为了便于调试：p<num>用于谓词，r<num>用于32位整数， rd<num>表示64位整数，f<num>表示32位浮点数，fd<num>表示64位双精度数。您可以通过查看创建这些虚拟寄存器的PTX代码中的.reg指令轻松地看到这一点。

与CUDA PTX代码和寄存器内存混淆

1 个答案: