CUDA代码优化;寄存器数量

时间:2013-09-05 15:04:37

标签: optimization cuda numerical-integration

我在这里粘贴一些代码供所有人查看。

__global__ void Integrate(double a, double b) {
    __shared__ double extrapol[16];
    __shared__ double result[32];
    __shared__ double h;
    __shared__ double err;

    __shared__ double x;
    __shared__ int n;

    if (threadIdx.x == 0) {
        h       = b - a;
        err     = 1.0;

        if (0.0 == a)
            extrapol[0] = 0.5 * h * myfunc(b);
        else
            extrapol[0] = 0.5 * h * (myfunc(a) + myfunc(b));

        n = 1;
    }

    for (int i = 1; i < 16; i++) {
        if (threadIdx.x == 0)
            x = a + h * 0.5;

        __syncthreads();

        if (err <= EPSILON)
            break;

        Trapezoid(result, x, h, n);
        if (threadIdx.x == 0) {
            result[0] = (extrapol[0] + h * result[0]) * 0.5;

            double power = 1.0;
            for (int k = 0; k < i; k++) {
               power *= 4.0;
               double sum  = (power * result[0] - extrapol[k]) / (power - 1.0);
               extrapol[k] = result[0];
               result[0] = sum;
            }

            err = fabs(result[0] - extrapol[i - 1]);
            extrapol[i] = result[0];
            n *= 2;
            h *= 0.5;
         }
    }
}

本质上,它是一个自适应数字积分器(Romberg)。此全局函数中使用的设备函数是:

__device__ void Trapezoid(double *sdata, double x, double h, int n) {
    int nIdx = threadIdx.x + blockIdx.x * blockDim.x;
    sdata[nIdx] = 0;

    while (nIdx < n) {
       sdata[threadIdx.x] += myfunc(x + (nIdx * h));
       nIdx += 32;
    }
    Sum(sdata, threadIdx.x);
}

并行缩减功能:

 __device__ void Sum(volatile double *sdata, int tId) {
     if (tId < 16) {
         sdata[tId] += sdata[tId + 16];
         sdata[tId] += sdata[tId + 8];
         sdata[tId] += sdata[tId + 4];
         sdata[tId] += sdata[tId + 2];
         sdata[tId] += sdata[tId + 1];
     }
}

最后,我想要整合的函数是(模拟简单函数),如下所示:

__device__ double myfunc(double x) {
     return 1 / x;
}

代码执行良好并获得预期的积分。 内核按以下方式执行(暂时)

Integrate <<< 1, 32 >>>(1, 2);

问题:
当我使用nvidia visual profiler检查此函数的寄存器用法时。事实证明每个线程有52个寄存器。我不明白为什么?我在此代码中拥有的大多数变量都是共享变量。你能让我知道如何找出我的代码的哪些部分使用寄存器?

我该如何减少它们?我可以使用此代码进行任何优化吗?

硬件

我正在使用fermi设备Geforce GTX 470,计算能力2.0

谢谢,

2 个答案:

答案 0 :(得分:1)

寄存器使用与定义变量的数量没有直接关系,因为例如,寄存器用于存储未定义变量的中间计算的结果。

尝试使用寄存器来发现代码部分的一种可能性是尝试通过使用类似

的语法手动注释来破解ptx文件
asm volatile ("// code at this line is doing this and this ..."); 

答案 1 :(得分:0)

您可以使用ptxas程序分析您的ptx文件,以显示每个功能的注册和内存使用情况。在你的情况下,你想做ptxas --gpu-name sm_20 -v code.ptx