CUDA 中每个 Warp 关系的数据大小到指令

Question

我试图查看当数据类型大小发生变化时内核中执行的指令数

为了获得自定义大小的数据结构，我创建了如下结构，

#define DATABYTES 40

__host__ __device__
struct floatArray
{
    float a[DATABYTES/4];
};

然后创建一个内核只是为了将上述数据类型数组从一个数组复制到另一个数组

__global__
void copy_large_data(floatArray * d_in, floatArray * d_out)
{
    d_out[threadIdx.x] = d_in[threadIdx.x];
}

然后用一个块只调用上面的内核 32 个线程

floatArray * d_in;
floatArray * d_out;

cudaMalloc(&d_in, 32 * sizeof(floatArray));
cudaMalloc(&d_out, 32 * sizeof(floatArray));

copy_large_data<<<1, 32>>>(d_in, d_out);

当我使用nvprof 分析程序并检查instructions per warp 时，我可以看到参数值随着DATABYTES 值的变化而变化。

我的问题是，这个指令计数增加的原因是否是由于floatArray 结构内的数组。因为当我们在内核中调用copy的时候，实际上是在a结构体内部展开并复制了数组a的每个元素，创建了更多的指令。

有没有办法使用一条指令在内核中复制自定义结构变量？

Answer 1

您的假设是正确的，即当您更改数组的大小时，复制指令的数量会增加。您可以在 PTX 代码和汇编中检查它，如下所示。

加载/存储指令的最大大小为 128 位，参见例如here。这意味着对于您的情况，您仍然可以通过使用 float4 而不是 float 来提高 4 倍。

或者，您可以明确指定数据结构的对齐方式，如programming guide 中所述：

#define DATABYTES 32
struct __align__(16) floatArray
{
    float a[DATABYTES/4];
};

---

要查看 PTX 代码，请生成目标文件 nvcc -c ... 并使用 cubobjdump --dump-ptx objfile.o。 对于您的示例，相关部分如下所示：

ld.global.f32 %f1, [%rd7];
ld.global.f32 %f2, [%rd7+4];
ld.global.f32 %f3, [%rd7+8];
ld.global.f32 %f4, [%rd7+12];
ld.global.f32 %f5, [%rd7+16];
ld.global.f32 %f6, [%rd7+20];
ld.global.f32 %f7, [%rd7+24];
ld.global.f32 %f8, [%rd7+28];
ld.global.f32 %f9, [%rd7+32];
ld.global.f32 %f10, [%rd7+36];
st.global.f32 [%rd6+36], %f10;
st.global.f32 [%rd6+32], %f9;
st.global.f32 [%rd6+28], %f8;
st.global.f32 [%rd6+24], %f7;
st.global.f32 [%rd6+20], %f6;
st.global.f32 [%rd6+16], %f5;
st.global.f32 [%rd6+12], %f4;
st.global.f32 [%rd6+8], %f3;
st.global.f32 [%rd6+4], %f2;
st.global.f32 [%rd6], %f1;

如果你进一步增加数组，你会发现编译器会选择循环而不是为每个加载/存储发出指令。

因此，您可以使用cubobjdump --dump-sass objfile.o 来检查程序集