我正在进行详细的代码分析,我想测量每次经线的银行冲突总数。
nvvp
文档列出了此指标,这是我能找到的唯一与银行冲突有关的指标:
shared_replay_overhead:由于执行的每条指令的共享内存冲突导致的平均重放次数
当我使用nvprof
(或nvvp
)分析指标时,我会得到如下结果:
Invocations Metric Name Metric Description Min Max Avg
Device "Tesla K20m (0)"
Kernel: void matrixMulCUDA<int=32>(float*, float*, float*, int, int)
301 shared_replay_overhead Shared Memory Replay Overhead 0.089730 0.089730 0.089730
我需要利用这个值0.089730
或设计一些其他方法来衡量银行冲突的数量。
我知道这个值是正在执行的所有warp的'平均值'。如果我必须衡量每个经线的银行冲突总数,有没有办法使用nvprof
结果来做?
我想到了可能的方法:
shared_replay_overhead
结果并在公式中使用它们来计算银行冲突的数量。我猜我必须应用某种类似shared_replay_overhead * Total number of warps launched
的公式,我提前知道Total number of warps launched
,但我无法弄清楚是什么。4
/ 8
乘以共享内存操作发生的次数(如何衡量一下?)。除了nvprof
结果之外,这可能还需要关于GPU架构的相当好的技术知识,我认为我还没有。为了记录,我的GPU是Kepler架构,SM 3.5。
即使我可以测量每块而不是每次经线的银行冲突数量,也足够了。之后,我可以进行必要的计算,以获得每个经线的值。
答案 0 :(得分:1)
我认为您应该查看CUPTI(Cuda性能分析工具界面)文档。您的CUDA SDK在/extras/CUPTI
目录中也很少有示例。我对这个库并不是很熟悉,但看起来你可以编写自己的探查器,测量你想要的东西,或收集你感兴趣的指标。它会是低级的,但这就是你需要得到准确的答案。