如何在设备内存中有效地混洗数据？

Question

问题

在设备全局内存中移动许多随机（非合并）值时，这是最有效的方法吗？

注意：＆gt;中的许多值500。

上下文

我已经在GPU的遗传算法实现中工作了一段时间，我一直在尝试在我的框架的灵活性和GPU架构的微优化之间挣扎。 GA数据始终驻留在GPU中。只有最佳代数解决方案被复制到主机内存。

详细方案

我正在优化迁移功能。这里基本上很少有数据在设备全局内存中进行混洗。但我已经得到了我的数据顺序，它为GA运算符内核线程的内存访问方案合并，这使得一对“基因组”混乱，这是一个跨越单个FLOAT值的问题，并以相同的跨步方式与另一个基因组交换它们。

已知解决方案

问题不在于内存带宽，而在于调用延迟和线程阻塞问题。

1. 我写了几个设备内核，其功能仅仅是在地址之间移动值。这将启动一个内核（具有非常低的占用率，不同的代码和随机内存访问...因此它运行的小代码将被序列化），但只能对设备进行两次内核调用。

   • 1st Kernel将值复制到缓冲区数组。
   • 第二个内核交换值。

2. 我知道我可以为每个值使用 cudaMemcpy ，但这需要多次调用 cudaMemCpy ，我认为这是同步呼叫

简化代码示例：

int needed_genome_idx = 0; // Some random index.
for(int nth_gene = 0; nth_gene < num_genes; ++nthgene)
{
  cudaMemcpy(genomes_buffer + nth_gene,
             src + needed_genome_idx + nth_gene * stride_size, // stride_size being a big number, usually equal to the size of the GA population.
             sizeof(float),
             cudaMemCpyDeviceToDevice);
}

这是一个可行的解决方案吗？使用 cudaMemCpyAsync 可以帮助提高性能吗？

有没有更好的方法，或者至少更优雅的方式来做这样的记忆操作？

Answer 1

你可以尝试编写一个内核来完成shuffle，也许比调用cudaMemcpy好多次。