【发布时间】：2012-09-04 07:52:27
【问题描述】：
我从 PyCuda 示例中运行 SimpleSpeedTest.py，产生以下输出：
Using nbr_values == 8192
Calculating 100000 iterations
SourceModule time and first three results:
0.058294s, [ 0.005477 0.005477 0.005477]
Elementwise time and first three results:
0.102527s, [ 0.005477 0.005477 0.005477]
Elementwise Python looping time and first three results:
2.398071s, [ 0.005477 0.005477 0.005477]
GPUArray time and first three results:
8.207257s, [ 0.005477 0.005477 0.005477]
CPU time measured using :
0.000002s, [ 0.005477 0.005477 0.005477]
前四个时间测量是合理的，但最后一个 (0.000002s) 距离很远。 CPU 结果应该是最慢的，但它比最快的 GPU 方法快几个数量级。所以显然测量的时间一定是错误的。这很奇怪，因为相同的计时方法似乎适用于前四个结果。
所以我从 SimpleSpeedTest.py 中获取了一些代码并制作了一个小的 测试文件 [2]，它产生了：
time measured using option 1:
0.000002s
time measured using option 2:
5.989620s
选项 1 使用 pycuda.driver.Event.record()（如 SimpleSpeedTest.py）测量持续时间，选项 2 使用 time.clock()。同样，选项 1 关闭，而选项 2 给出了合理的结果（运行测试文件所需的时间约为 6 秒）。
有人知道为什么会这样吗？
由于 SimpleSpeedTest.py 支持使用选项 1，是否是我的设置导致了问题？我正在运行 GTX 470、显示驱动程序 301.42、CUDA 4.2、Python 2.7 64、PyCuda 2012.1、X5650 Xeon
[2] 测试文件：
import numpy
import time
import pycuda.driver as drv
import pycuda.autoinit
n_iter = 100000
nbr_values = 8192 # = 64 * 128 (values as used in SimpleSpeedTest.py)
start = drv.Event() # option 1 uses pycuda.driver.Event
end = drv.Event()
a = numpy.ones(nbr_values).astype(numpy.float32) # test data
start.record() # start option 1 (inserting recording points into GPU stream)
tic = time.clock() # start option 2 (using CPU time)
for i in range(n_iter):
a = numpy.sin(a) # do some work
end.record() # end option 1
toc = time.clock() # end option 2
end.synchronize()
events_secs = start.time_till(end)*1e-3
time_secs = toc - tic
print "time measured using option 1:"
print "%fs " % events_secs
print "time measured using option 2:"
print "%fs " % time_secs
【问题讨论】：
-
你没有在 GPU 上运行任何东西 (
testfile2.py)，那么你唯一要做的就是创建一个 numpy 数组。所以我猜drv.Event衡量的是花在 GPU 上的时间，而不是 CPU。 -
@dav1d 是的，这很可能是问题所在。但如果是这种情况，为什么“SimpleSpeedTest.py”使用选项 1 来测量 CPU 计算所用的时间？
-
我不知道，也许这是一个错误。由于它是一个 wiki，您可以编辑文件并修复它。
-
感谢您给我发电子邮件。我确信当我发布代码（2 年前？）时，它有效。它在论坛中讨论过，所以我很确定这不是一个小错误（嗯，我希望如此）。也许pycuda现在以不同的方式处理时间？我使用的是早期的 CUDA（可能是 2？我记得后来升级到 CUDA3），而 pycuda 会年轻 2 岁（例如，我必须提交修复以支持复杂的 nbrs）。如果您修复它并提交一个工作版本，我会非常高兴，可能在 cmets 中包含一个示例输出（以帮助未来的调试会话）。伊恩。