多线程CPU CUDA应用程序在调用CudaFree时不是异步的

Question

我有一个由多个CPU线程组成的应用程序，每个CPU线程在我的GPU上的同一个cudaContext中创建一个单独的cudaStream。我有特斯拉K20c。我正在使用Windows 7 64位和Cuda 5.5。

这是我的代码：

#include "gpuCode.cuh"

__global__ void kernelAddConstant1(int *g_a, const int b)
{
    int idx = blockIdx.x * blockDim.x + threadIdx.x;
    g_a[idx] += b;
    for (int i = 0; i < 4000000.0; i++)
    {
        if (i%2 == 0)
        {
            g_a[idx] += 5;
        }
        else
        {
            g_a[idx] -= 5;
        }
    }
}


// a predicate that checks whether each array elemen is set to its index plus b
int correctResult(int *data, const int n, const int b)
{
    for (int i = 0; i < n; i++)
    {
        if (data[i] != i + b)
        {
            return 0;
        }
    }
    return 11;
}

int gpuDo()
{
    cudaSetDevice(0);
    cudaStream_t stream;
    cudaStreamCreate( &stream );

    int *a;
    int *d_a;

    unsigned int n;
    unsigned int nbytes;

    int b;

    n = 2 * 8192/16;
    nbytes = n * sizeof(int);
    b = 7;      // value by which the array is incremented

    cudaHostAlloc( (void**)&a, nbytes, cudaHostAllocDefault ) ;
    cudaMalloc((void **)&d_a, nbytes);

    for (unsigned int i = 0; i < n; i++)
        a[i] = i;

    unsigned int nbytes_per_kernel = nbytes;
    dim3 gpu_threads(128);  // 128 threads per block
    dim3 gpu_blocks(n / gpu_threads.x);

    cudaMemsetAsync(d_a, 0, nbytes_per_kernel, stream);

    cudaMemcpyAsync(d_a, a, nbytes_per_kernel, cudaMemcpyHostToDevice, stream);


    kernelAddConstant1<<<gpu_blocks, gpu_threads, 0, stream>>>(d_a, b);

    cudaMemcpyAsync(a, d_a, nbytes_per_kernel, cudaMemcpyDeviceToHost, stream);
    cudaStreamSynchronize ( stream ) ;
    cudaStreamDestroy(stream);

    //cudaFree(d_a);

    int bResult = correctResult(a, n, b);

    //if (a)
        //cudaFreeHost(a); // free CPU memory

    return bResult;
}

void gpuEnd()
{
    cudaDeviceReset();
}

当我离开cudaFree并且cudaFreeHost注释掉时，我实现了以下结果：

这是完美的，除了我有内存泄漏，因为我没有使用cudaFree和cudaFreeHost。当我使用cudaFree和cudaFreeHost时，我得到以下结果：

这很糟糕。当使用cudaFree时，一些流等待其他流完成，一些流异步工作。我假设这是因为cudaFree不是异步的，这很好，但是这并不能解释为什么它有时会像调用前三个内核那样工作，而不是在其他时候？如果cudaFree被调用但GPU已经忙于做其他事情，那么CPU是否可以继续计算并让cudaFree在第一次获得机会时自动发生？有没有其他方法来解决这个问题？感谢您提供任何帮助！

Answer 1

是的，cudaFree不是异步的。 Niether是cudaMalloc

在时间关键代码之前预先完成所有分配，并在最后执行免费操作。

在您的情况下，这应该特别容易，因为每次分配的大小都是相同的。

相同的评论适用于流创建。我不打算在飞行中创造和摧毁它们。创建你想要的许多，并重复使用它们直到你完成。