【发布时间】：2018-04-19 18:04:54
【问题描述】：
您好，我正在使用 alea gpu 编写机器学习代码。有趣的是，当我尝试在我的笔记本电脑上运行我的代码时，一切正常，除了太慢。当我想在具有更强大 GPU 的第二台 PC 上运行我的代码时，它会因异常而崩溃：
System.Exception was unhandled
HResult=-2146233088
Message=Error opening outputfile 'C:\Users\USERNAME\AppData\Local\Temp\tmp64C4.tmp': No mapping for the Unicode character exists in the target multi-byte code page
Source location stack:
-> at defining runtime64 (sm61,64bit)
Loading method as kernel:
-> Method: AI_test.NeuralNet.Gpu.Activations.Hyperbolic.[VoidGpuActivationKernel(Single[,], Single[], Single[])]
-> InstanceOpt: AI_test.NeuralNet.Gpu.Activations.Hyperbolic
-> Argument.#0: System.Single[,]
-> Argument.#1: System.Single[]
-> Argument.#2: System.Single[]
Getting or loading method as kernel:
-> Method: AI_test.NeuralNet.Gpu.Activations.Hyperbolic.[VoidGpuActivationKernel(Single[,], Single[], Single[])]
-> InstanceOpt: AI_test.NeuralNet.Gpu.Activations.Hyperbolic
-> Argument.#0: System.Single[,]
-> Argument.#1: System.Single[]
-> Argument.#2: System.Single[]
Source=Alea
堆栈跟踪显示此代码崩溃：
GpuDevice.Launch(_guessKernelFunc, GuessLaunchParam, Neurons, Input, Output);
但我确信这在我的笔记本电脑上运行良好，所以我错过了什么是由 PC 设置引起的还是其他原因？我已经安装了 Cuda 8.0。我在 Cuda 9.0 之前尝试过，但因为遇到了同样的错误，我尝试用我在笔记本电脑上使用的旧 8.0 版本替换它，但没有帮助。
第二个问题是有人知道如何让编译器缓存我的内核，并且每次我尝试加载相同的静态内核时不生成新的 GPU 代码吗？我试图查看示例，但我不清楚。
【问题讨论】：
-
编译器会自动缓存你的内核。你不必做任何事情。
-
这不是真的我认为......当我比较我在 Iris 数据集上的 ML 的结果和一层有 100 个神经元的 CPU 网络时，CPU 网络的速度大约快 20 倍，所以很明显我有内核问题缓存。显然有问题，因为没有 CUDA GPU 像这样慢。
-
我向你保证内核正在被缓存:) 我不知道丢失的文件，性能问题可能是因为你没有足够的数据来处理。在 ML 中，每层 100 个神经元几乎为零。 GPU 不会因为这些数字而起床；）您正在为将数据移入 GPU 付出代价。我建议从 MNIST 数据集开始。
-
是的，现在我可以看到了。我尝试了 mnist 数据集，是的，与 CPU 相比，GPU 的速度要快很多光年 :)