优达学城-并行编程-Unit2 硬件内存

GPU负责给SM分配wrap，SM以并行方式运行程序

在一个SM上跑的所有线程可能合作解决一个子问题（错的，不一定的）

一个单Kernel程序在多个wrap上运行，包含X线程块和Y线程块，可以确定x y先后跑的顺序或是在哪个SM上跑吗？

答：伐晓得（这是cuda的小秘密= =||）

GPU的优越性：

1.快速切换SM运行，无法知其间通信

2.可扩展性强，GPU越大，任务分散越广

CUDA存储器类型：

每个线程拥有自己的register and loacal memory;

每个线程块拥有一块shared memory;

所有线程都可以访问global memory;

还有，可以被所有线程访问的只读存储器：constant memory and texture memory

1、  寄存器Register

　　寄存器是GPU上的高速缓存器，其基本单元是寄存器文件，每个寄存器文件大小为32bit.

　　Kernel中的局部(简单类型)变量第一选择是被分配到Register中。

　　特点：每个线程私有，速度快。

2、  局部存储器 local memory

　　当register耗尽时，数据将被存储到local memory。如果每个线程中使用了过多的寄存器，或声明了大型结构体或数组，或编译器无法确定数组大小，线程的私有数据就会被分配到local 　memory中。

　　特点：每个线程私有；没有缓存，慢。

　　注：在声明局部变量时，尽量使变量可以分配到register。如：

　　unsigned int mt[3];

　　改为：unsigned int mt0, mt1, mt2;

3、  共享存储器 shared memory

　　可以被同一block中的所有线程读写

　　特点：block中的线程共有；访问共享存储器几乎与register一样快.

//u(i)= u(i)^2 + u(i-1)
//Static
__global__ example(float* u) {
    int i=threadIdx.x;
    __shared__ int tmp[4];
     tmp[i]=u[i];
     u[i]=tmp[i]*tmp[i]+tmp[3-i];
}

int main() {
    float hostU[4] = {1, 2, 3, 4};
    float* devU;
    size_t size = sizeof(float)*4;
    cudaMalloc(&devU, size);
    cudaMemcpy(devU, hostU, size,
    cudaMemcpyHostToDevice);
    example<<<1,4>>>(devU, devV);
    cudaMemcpy(hostU, devU, size,
    cudaMemcpyDeviceToHost);
    cudaFree(devU);
    return 0;
}

//Dynamic
extern __shared__ int tmp[];

__global__ example(float* u) {
    int i=threadIdx.x;
     tmp[i]=u[i];
     u[i]=tmp[i]*tmp[i]+tmp[3-i];
}

int main() {
    float hostU[4] = {1, 2, 3, 4};
    float* devU;
    size_t size = sizeof(float)*4;
    cudaMalloc(&devU, size);
    cudaMemcpy(devU, hostU, size, cudaMemcpyHostToDevice);
    example<<<1,4,size>>>(devU, devV);
    cudaMemcpy(hostU, devU, size, cudaMemcpyDeviceToHost);
    cudaFree(devU);
    return 0;
}

 

 4、  全局存储器 global memory

　　特点：所有线程都可以访问；没有缓存

//Dynamic
__global__ add4f(float* u, float* v) {
int i=threadIdx.x;
 u[i]+=v[i];
}
int main() {
    float hostU[4] = {1, 2, 3, 4};
    float hostV[4] = {1, 2, 3, 4};
    float* devU, devV;
    size_t size = sizeof(float)*4;
    cudaMalloc(&devU, size);
    cudaMalloc(&devV, size);
    cudaMemcpy(devU, hostU, size,
    cudaMemcpyHostToDevice);
    cudaMemcpy(devV, hostV, size,
    cudaMemcpyHostToDevice);
    add4f<<<1,4>>>(devU, devV);
    cudaMemcpy(hostU, devU, size,
    cudaMemcpyDeviceToHost);
    cudaFree(devV);
    cudaFree(devU);
    return 0;
}

//static
__device__ float devU[4];
__device__ float devV[4];

__global__ addUV() {
int i=threadIdx.x;
 devU[i]+=devV[i];
}

int main() {
    float hostU[4] = {1, 2, 3, 4};
    float hostV[4] = {1, 2, 3, 4};
    size_t size = sizeof(float)*4;
    cudaMemcpyToSymbol(devU, hostU, size, 0, cudaMemcpyHostToDevice);
    cudaMemcpyToSymbol(devV, hostV, size, 0, cudaMemcpyHostToDevice);
     addUV<<<1,4>>>();
    cudaMemcpyFromSymbol(hostU, devU, size, 0, cudaMemcpyDeviceToHost);
    return 0;
}

   5、  常数存储器constant memory

 　　用于存储访问频繁的只读参数

 　　特点：只读；有缓存；空间小(64KB)

　 　注：定义常数存储器时，需要将其定义在所有函数之外，作用于整个文件 

1 __constant__ int devVar;
2 cudaMemcpyToSymbol(devVar, hostVar, sizeof(int), 0, cudaMemcpyHostToDevice)
3 cudaMemcpyFromSymbol(hostVar, devVar, sizeof(int), 0, cudaMemcpyDeviceToHost)

 6、  纹理存储器 texture memory

     是一种只读存储器，其中的数据以一维、二维或者三维数组的形式存储在显存中。在通用计算中，其适合实现图像处理和查找，对大量数据的随机访问和非对齐访问也有良好的加速效果。

     特点：具有纹理缓存，只读。

TNE END

 

顶

1

踩