#pragma unroll 到底是做什么的？它会影响线程数吗？

Question

我是 CUDA 新手，我无法理解循环展开。我写了一段代码来理解这项技术

__global__ void kernel(float *b, int size)
{
    int tid = blockDim.x * blockIdx.x + threadIdx.x;
 #pragma unroll
    for(int i=0;i<size;i++)
        b[i]=i;
}

上面是我的内核函数。在main 我这样称呼它

int main()
{
    float * a; //host array
    float * b; //device array
    int size=100;

    a=(float*)malloc(size*sizeof(float));
    cudaMalloc((float**)&b,size);
    cudaMemcpy(b, a, size, cudaMemcpyHostToDevice);

    kernel<<<1,size>>>(b,size); //size=100

    cudaMemcpy(a, b, size, cudaMemcpyDeviceToHost);

    for(int i=0;i<size;i++)
        cout<<a[i]<<"\t";

    _getch();

    return 0;
}

这是否意味着我有size*size=10000 个线程正在运行来执行程序？展开循环时会创建 100 个吗？

Answer 1

没有。这意味着您调用了一个带有一个块的 CUDA 内核，并且一个块有 100 个活动线程。您将 size 作为第二个函数参数传递给内核。在您的内核中，这 100 个线程中的每一个都执行 for 循环 100 次。

#pragma unroll 是一种编译器优化，例如可以替换一段代码，例如

for ( int i = 0; i < 5; i++ )
    b[i] = i;

与

b[0] = 0;
b[1] = 1;
b[2] = 2;
b[3] = 3;
b[4] = 4;

通过将#pragma unroll 指令放在循环之前。展开版本的好处是它涉及较少的处理器处理负载。在for 循环版本的情况下，处理除了将每个i 分配给b[i] 之外，还涉及i 初始化、评估i<5 6 次和递增i 5 次。而在第二种情况下，它只涉及归档b 数组内容（如果稍后使用i，可能加上int i=5;）。循环展开的另一个好处是增强了指令级并行性 (ILP)。在展开的版本中，处理器可能会有更多操作推入处理管道，而不必担心每次迭代中的for 循环条件。

this 之类的帖子解释了 CUDA 无法进行运行时循环展开。在您的情况下，CUDA 编译器没有任何线索表明 size 将是 100，因此不会发生编译时循环展开，因此如果您强制展开，最终可能会损害性能。

如果您确定所有执行的 size 为 100，您可以像下面这样展开循环：

#pragma unroll
for(int i=0;i<SIZE;i++)  //or simply for(int i=0;i<100;i++)
    b[i]=i;

其中SIZE 在编译时已知为#define SIZE 100。

我还建议您在代码中进行适当的 CUDA 错误检查（解释为 here）。