Kepler -Concurrent内核启动不重叠

Question

我正在尝试在Kepler设备上重叠内核执行，但是从NVVP布局看，它们似乎没有重叠。这是代码，

#include<stdio.h>
#include<sys/time.h>
#include<time.h>


#define NY 1024
#define NX 1024
__global__ void kernel1(int j,int *A,int *b)  
{  
int i = blockIdx.x * blockDim.x + threadIdx.x;  
b[j*NY+i] = A[i*NY+j];  

}  

__global__ void kernel2(int j,int *A,int *b)  
 {  
 int i = blockIdx.x * blockDim.x + threadIdx.x;  
 for(int time=0;time<100;time++)  
 b[j*NY+i] += 10;  
 }  


 int main()  
 {  
 int nstreams=4;
 int *a, *b;
 struct timeval t1,t2;

cudaMalloc((void**)&a,NX*NY*sizeof(int));
cudaMalloc((void**)&b,NX*NY*sizeof(int));


 cudaStream_t *streams = (cudaStream_t *) malloc(nstreams * sizeof(cudaStream_t));
 for (int i = 0; i < nstreams; i++)
 { 
 cudaStreamCreate(&(streams[i]));
 }

 gettimeofday(&t1, NULL);

 for(int newvar=0;newvar<NX;newvar++)
 {
  kernel1<<<1,NY,0,streams[newvar%nstreams]>>>(newvar,a,b);
 }
 for(int newvar=0;newvar<NX;newvar++)
 {
   kernel2<<<1,NY,0,streams[newvar%nstreams]>>>(newvar,a,b);
 }  
 cudaDeviceSynchronize();  
 gettimeofday(&t2, NULL);

 return 0;

 }

请提出一些建议。 CUDA 5.5版 NVVP 5.5版Linux机器Ubuntu 12.10

Answer 1

从根本上说，我认为问题是你的内核执行的时间不够长。内核的执行时间是几微秒，内核启动开销也只有几微秒，所以你没有看到任何重叠。当API完成新内核启动的设置时，之前的内核已经完成。

我修改了您的kernel1，如下所示：

__global__ void kernel1(int j,int *A,int *b)  
{  
  int i = blockIdx.x * blockDim.x + threadIdx.x;  
  for (int q = 0; q < 1000; q++)
    b[j*NY+i] = A[i*NY+j] + q/j;  
} 

这些修改没有什么神奇或特殊的，我只是在寻找一种方法来增加内核持续时间（从几微秒到几毫秒）。

通过上述更改，我在分析器中看到了kernel1的良好重叠。

我想你的kernel2可以做类似的事情。

在nvvp中启动分析会话时，还应确保未取消选中“启用并发内核分析”复选框。