Question

我试图找出＆＃34; nvprof＆＃34;所报告的每个指标究竟是什么？是。更具体地说，我无法确定哪些事务是系统内存和设备内存的读写。我写了一个非常基本的代码，只是为了帮助解决这个问题。

#define TYPE float
#define BDIMX 16
#define BDIMY 16
#include <cuda.h>
#include <cstdio>
#include <iostream>
__global__ void kernel(TYPE *g_output, TYPE *g_input, const int dimx, const int dimy)
{
__shared__ float s_data[BDIMY][BDIMX];
  int ix = blockIdx.x * blockDim.x + threadIdx.x;
  int iy = blockIdx.y * blockDim.y + threadIdx.y;
  int in_idx = iy * dimx + ix; // index for reading input
  int tx = threadIdx.x; // thread’s x-index into corresponding shared memory tile  
  int ty = threadIdx.y; // thread’s y-index into corresponding shared memory tile 
  s_data[ty][tx] = g_input[in_idx];
  __syncthreads();
  g_output[in_idx] = s_data[ty][tx] * 1.3;
  }


int main(){
  int size_x = 16, size_y = 16;
  dim3 numTB;
    numTB.x = (int)ceil((double)(size_x)/(double)BDIMX) ;
    numTB.y = (int)ceil((double)(size_y)/(double)BDIMY) ;
  dim3 tbSize; 
  tbSize.x = BDIMX;
  tbSize.y = BDIMY;
  float* a,* a_out;
  float *a_d = (float *) malloc(size_x * size_y * sizeof(TYPE));
  cudaMalloc((void**)&a,     size_x * size_y * sizeof(TYPE));
  cudaMalloc((void**)&a_out, size_x * size_y * sizeof(TYPE));
  for(int index = 0; index < size_x * size_y; index++){
      a_d[index] = index;
   }
  cudaMemcpy(a, a_d, size_x * size_y * sizeof(TYPE), cudaMemcpyHostToDevice);
  kernel <<<numTB, tbSize>>>(a_out, a, size_x, size_y);
  cudaDeviceSynchronize();
  return 0;
}

然后我运行nvprof --metrics all输出以查看所有指标。这是我感兴趣的部分：

           Metric Name                        Metric Description         Min         Max         Avg
Device "Tesla K40c (0)"
  Kernel: kernel(float*, float*, int, int)
    local_load_transactions                   Local Load Transactions           0           0           0
   local_store_transactions                  Local Store Transactions           0           0           0
   shared_load_transactions                  Shared Load Transactions           8           8           8
  shared_store_transactions                 Shared Store Transactions           8           8           8
           gld_transactions                  Global Load Transactions           8           8           8
           gst_transactions                 Global Store Transactions           8           8           8
   sysmem_read_transactions           System Memory Read Transactions           0           0           0
  sysmem_write_transactions          System Memory Write Transactions           4           4           4
     tex_cache_transactions                Texture Cache Transactions           0           0           0
     dram_read_transactions           Device Memory Read Transactions           0           0           0
    dram_write_transactions          Device Memory Write Transactions          40          40          40
       l2_read_transactions                      L2 Read Transactions          70          70          70
      l2_write_transactions                     L2 Write Transactions          46          46          46

我理解共享和全局访问。全局访问是合并的，因为有8个warp，所以有8个事务。但我无法弄清楚系统内存和设备内存写入事务编号。

Answer 1

如果您拥有一个具有逻辑和物理空间的GPU内存层次结构模型，例如here，则会有所帮助。

参考“概览标签”图表：

gld_transactions是指从针对全局逻辑空间的warp发出的事务。在图中，这将是从左侧的“内核”框到右侧的“全局”框的行，逻辑数据移动方向将从右到左。
gst_transactions指的是与上面相同的行，但逻辑上是从左到右。请注意，这些逻辑全局事务可能会在缓存中命中，之后不会到达任何地方。从指标的角度来看，这些交易类型仅涉及图中指示的行。
dram_write_transactions是指图中连接右侧设备内存和L2缓存的行，逻辑数据流在此行上从左到右。由于L2高速缓存行是32字节（而L1高速缓存行和全局事务的大小是128字节），因此设备存储器事务也是32字节，而不是128字节。因此，通过L1（如果启用它是直写高速缓存）和L2的全局写事务将生成4个dram_write事务。这应解释40项交易中的32项。
系统内存事务以零拷贝主机内存为目标。你似乎没有这个，所以我无法解释这些。

请注意，在某些情况下，对于某些指标，在某些GPU上，启动非常少量的线程块时，探查器可能会有一些“不准确”。例如，某些指标是基于每个SM进行采样并进行缩放。（但是，设备内存事务不在此类别中）。如果您在每个SM上完成了不同的工作（可能是由于启动了非常少量的线程块），那么缩放可能会误导/不准确。通常，如果您启动大量的线程块，这些通常会变得微不足道。

NVPROF报告的交易指标究竟是什么？

1 个答案: