共享内存优化混乱

Question

我在 cuda 中编写了一个应用程序，它在每个块中使用 1kb 的共享内存。 由于每个 SM 中只有 16kb 的共享内存，所以总共只能容纳 16 个块（我理解正确吗？），虽然一次只能安排 8 个，但现在如果某个块忙于做内存操作，所以其他块将被调度到 gpu 上，但是所有共享内存都被其他 16 个块使用，这些块已经在那里调度，所以 cuda 不会在同一个 sm 上调度更多块，除非之前分配的块完全完成？或者它将某些块的共享内存移动到全局内存，并在那里分配其他块（在这种情况下我们应该担心全局内存访问延迟吗？）

Answer 1

它不是那样工作的。在任何给定时刻，单个 SM 上计划运行的块数始终为以下各项中的最小值：

1. 8 块
2. 静态和动态分配的共享内存之和小于 16kb 或 48kb 的块数，具体取决于 GPU 架构和设置。还有共享内存页面大小限制，这意味着每个块分配会四舍五入到页面大小的下一个最大倍数
3. 每个块寄存器使用的总和小于 8192/16384/32678 的块数，具体取决于体系结构。还有寄存器文件页面大小，这意味着每个块的分配会四舍五入到页面大小的下一个最大倍数。

这就是它的全部内容。没有共享内存的“分页”来容纳更多块。 NVIDIA 生成了一个用于计算占用率的电子表格，该电子表格随工具包一起提供，可单独下载。您可以在它包含的公式中看到确切的规则。 CUDA 编程指南的第 4.2 节也讨论了它们。