将常量参数传递给 CUDA 内核的最快（或最优雅）方式

Question

假设我想要一个需要做很多事情的 CUDA 内核，但有一些圆顶参数对于所有内核都是不变的。此参数作为输入传递给主程序，因此不能在 #DEFINE 中定义。

内核将运行多次（大约 65K），它需要这些参数（和一些其他输入）来进行数学运算。

我的问题是：将这些常量传递给内核的最快（或者最优雅）的方式是什么？

常量是 2 或 3 个元素长度的 float* 或 int* 数组。它们将是其中的 5~10 个。

---

玩具示例：2个常量const1和const2

__global__ void kernelToyExample(int inputdata, ?????){
        value=inputdata*const1[0]+const2[1]/const1[2];
}

是不是更好

__global__ void kernelToyExample(int inputdata, float* const1, float* const2){
        value=inputdata*const1[0]+const2[1]/const1[2];
}

或

__global__ void kernelToyExample(int inputdata, float const1x, float const1y, float const1z, float const2x, float const2y){
        value=inputdata*const1x+const2y/const1z;
}

或者也许在一些全局只读内存中声明它们并让内核从那里读取？如果是这样，L1，L2，全球？哪一个？

有没有更好的方法我不知道？

在 Tesla K40 上运行。

Answer 1

只需按值传递它们。编译器会自动将它们放在最佳位置，以促进缓存广播到每个块中的所有线程 - 计算能力 1.x 设备中的共享内存，或计算能力 >= 2.0 设备中的常量内存/常量缓存。

例如，如果您有很长的参数列表要传递给内核，那么按值传递的结构是一种简洁的方法：

struct arglist {
    float magicfloat_1;
    float magicfloat_2;
    //......
    float magicfloat_19;
    int magicint1;
    //......
};

__global__ void kernel(...., const arglist args)
{
    // you get the idea
}

[标准免责声明：用浏览器编写，不是真实代码，警告购买者]

如果你的magicint 中的一个实际上只取了你事先知道的少数几个值中的一个，那么模板是一个非常强大的工具：

template<int magiconstant1>
__global__ void kernel(....)
{
    for(int i=0; i < magconstant1; ++i) {
       // .....
    }
}

template kernel<3>(....);
template kernel<4>(....);
template kernel<5>(....);

编译器足够聪明，可以识别magconstant，在编译时知道循环行程，并会自动为您展开循环。模板是一个 very powerful technique 用于构建快速、灵活的代码库，如果您还没有这样做，建议您先熟悉它。