我只是查看以下输出并尝试围绕这些数字:
==2906== Profiling result:
Time(%) Time Calls Avg Min Max Name
23.04% 10.9573s 16436 666.67us 64.996us 1.5927ms sgemm_sm35_ldg_tn_32x16x64x8x16
22.28% 10.5968s 14088 752.18us 612.13us 1.6235ms sgemm_sm_heavy_nt_ldg
18.09% 8.60573s 14088 610.86us 513.05us 1.2504ms sgemm_sm35_ldg_nn_128x8x128x16x16
16.48% 7.84050s 68092 115.15us 1.8240us 503.00us void axpy_kernel_val<float, int=0>(cublasAxpyParamsVal<float>)
...
0.25% 117.53ms 4744 24.773us 896ns 11.803ms [CUDA memcpy HtoD]
0.23% 107.32ms 37582 2.8550us 1.8880us 8.9556ms [CUDA memcpy DtoH]
...
==2906== API calls:
Time(%) Time Calls Avg Min Max Name
83.47% 41.8256s 42326 988.18us 16.923us 13.332ms cudaMemcpy
9.27% 4.64747s 326372 14.239us 10.846us 11.601ms cudaLaunch
1.49% 745.12ms 1502720 495ns 379ns 1.7092ms cudaSetupArgument
1.37% 688.09ms 4702 146.34us 879ns 615.09ms cudaFree
...
在优化内存访问时,在比较不同的实现时,我真正需要注意哪些数字?它首先看起来memcpy
只需要117.53+107.32ms
(在两个方向上),但之后会有这个API调用cudaMemcpy
:41.8256s
,这是更多。此外,min / avg / max列不会在上输出块和下输出块之间相加。
为什么会出现差异,&#34; true&#34;对我来说优化内存传输很重要的数字?
编辑:第二个问题是:有没有办法找出谁在调用,例如axpy_kernel_val
(以及多少次)?
答案 0 :(得分:3)
总时间的差异是由于工作以异步方式启动到GPU。如果你有一个长时间运行的内核或一组内核没有与主机明确同步,并通过调用cudaMemcpy
来跟随它们,那么cudaMemcpy
调用将在内核之前启动完成执行。 API调用的总时间是从它启动的那一刻到它完成的那一刻,因此将与执行内核重叠。如果您通过NVIDIA Visual Profiler(nvprof -o xxx ./myApp
运行输出,然后将xxx导入nvvp),您可以非常清楚地看到这一点。
min time 的差异是由于启动开销造成的。虽然API分析考虑了所有的启动开销,但内核时序只包含其中的一小部分。正如你在这里看到的那样,启动开销可以达到10-20us。
通常,API调用部分可以让您知道CPU正在做什么,而分析结果会告诉您GPU正在做什么。在这种情况下,我认为你没有使用CPU,可以说cudaMemcpy
发布得太早,CPU周期被浪费了。然而,在实践中,通常很难或不可能从这些备用周期中获得任何有用的东西。