每个 CUDA 线程的本地内存量

Question

我在 NVIDIA 文档（http://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#features-and-technical-specifications，表 #12）中读到，对于我的 GPU（GTX 580，计算能力 2.0），每个线程的本地内存量为 512 Ko。

我尝试在使用 CUDA 6.5 的 Linux 上检查此限制，但未成功。

这是我使用的代码（它的唯一目的是测试本地内存限制，它不会进行任何有用的计算）：

#include <iostream>
#include <stdio.h>

#define MEMSIZE 65000  // 65000 -> out of memory, 60000 -> ok

inline void gpuAssert(cudaError_t code, const char *file, int line, bool abort=false)
{
    if (code != cudaSuccess) 
    {
        fprintf(stderr,"GPUassert: %s %s %d\n", cudaGetErrorString(code), file, line);
        if( abort )
            exit(code);
    }
}

inline void gpuCheckKernelExecutionError( const char *file, int line)
{
    gpuAssert( cudaPeekAtLastError(), file, line);
    gpuAssert( cudaDeviceSynchronize(), file, line);    
}


__global__ void kernel_test_private(char *output)
{
    int c = blockIdx.x*blockDim.x + threadIdx.x; // absolute col
    int r = blockIdx.y*blockDim.y + threadIdx.y; // absolute row

    char tmp[MEMSIZE];
    for( int i = 0; i < MEMSIZE; i++)
        tmp[i] = 4*r + c; // dummy computation in local mem
    for( int i = 0; i < MEMSIZE; i++)
        output[i] = tmp[i];
}

int main( void)
{
    printf( "MEMSIZE=%d bytes.\n", MEMSIZE);

    // allocate memory
    char output[MEMSIZE];
    char *gpuOutput;
    cudaMalloc( (void**) &gpuOutput, MEMSIZE);

    // run kernel
    dim3 dimBlock( 1, 1);
    dim3 dimGrid( 1, 1);
    kernel_test_private<<<dimGrid, dimBlock>>>(gpuOutput);
    gpuCheckKernelExecutionError( __FILE__, __LINE__);

    // transfer data from GPU memory to CPU memory
    cudaMemcpy( output, gpuOutput, MEMSIZE, cudaMemcpyDeviceToHost);

    // release resources
    cudaFree(gpuOutput);
    cudaDeviceReset();

    return 0;
}

以及编译命令行：

nvcc -o cuda_test_private_memory -Xptxas -v -O2 --compiler-options -Wall cuda_test_private_memory.cu

编译没问题，报告：

ptxas info    : 0 bytes gmem
ptxas info    : Compiling entry function '_Z19kernel_test_privatePc' for 'sm_20'
ptxas info    : Function properties for _Z19kernel_test_privatePc
    65000 bytes stack frame, 0 bytes spill stores, 0 bytes spill loads
ptxas info    : Used 21 registers, 40 bytes cmem[0]

当我达到每个线程 65000 字节时，我在 GTX 580 上运行时遇到“内存不足”错误。这是控制台中程序的确切输出：

MEMSIZE=65000 bytes.
GPUassert: out of memory cuda_test_private_memory.cu 48

我还使用 GTX 770 GPU（在具有 CUDA 6.5 的 Linux 上）进行了测试。 MEMSIZE=200000 运行时没有错误，但 MEMSIZE=250000 在运行时出现“内存不足错误”。

如何解释这种行为？难道我做错了什么 ？

Answer 1

看来您遇到的不是本地内存限制，而是堆栈大小限制：

ptxas info : _Z19kernel_test_privatePc 的函数属性

65000 字节堆栈帧，0 字节溢出存储，0 字节溢出加载

在本例中，您原本打算成为本地的变量位于（GPU 线程）堆栈上。

根据@njuffa here 提供的信息，可用堆栈大小限制是以下两者中的较小者：

1. 最大本地内存大小（cc2.x 及更高版本为 512KB）
2. GPU 内存/(#of SM)/(每个 SM 的最大线程数)

显然，第一个限制不是问题。我假设你有一个“标准”GTX580，它有 1.5GB 内存和 16 个 SM。 cc2.x 设备的每个多处理器最多有 1536 个常驻线程。这意味着我们有 1536MB/16/1536 = 1MB/16 = 65536 字节的堆栈。从总可用内存中减去一些开销和其他内存使用，因此堆栈大小限制低于 65536，显然在您的情况下介于 60000 和 65000 之间。

我怀疑在您的 GTX770 上进行类似的计算会产生类似的结果，即最大堆栈大小在 200000 到 250000 之间。