Question

我有一个使用大量寄存器的内核，并将它们大量溢出到本地内存中。

    4688 bytes stack frame, 4688 bytes spill stores, 11068 bytes spill loads
ptxas info    : Used 255 registers, 348 bytes cmem[0], 56 bytes cmem[2]

由于溢出似乎很高，我相信它会超过L1或甚至L2缓存。由于本地内存对每个线程都是私有的，因此如何访问由编译器合并的本地内存？这个内存是在128byte事务中读取的，比如全局内存吗？有了这么多的溢出，我的内存带宽利用率就会降低（50％）。我有类似的内核，没有溢出，可以获得高达80％的峰值内存带宽。

EDIT 我使用nvprof工具提取了更多指标。如果我很好地理解提到here的技术，那么由于寄存器溢出，我有大量的内存流量（4 * l1命中和未命中/ L2的4个扇区中所有写入的总和= (4 * (45936 + 4278911)) / (5425005 + 5430832 + 5442361 + 5429185) = 79.6%）。有人可以验证我是否在这里吗？

Invocations                                Event Name         Min         Max         Avg
Device "Tesla K40c (0)"
Kernel: mulgg(double const *, double*, int, int, int)
     30        l2_subp0_total_read_sector_queries     5419871     5429821     5425005
     30        l2_subp1_total_read_sector_queries     5426715     5435344     5430832
     30        l2_subp2_total_read_sector_queries     5438339     5446012     5442361
     30        l2_subp3_total_read_sector_queries     5425556     5434009     5429185
     30       l2_subp0_total_write_sector_queries     2748989     2749159     2749093
     30       l2_subp1_total_write_sector_queries     2748424     2748562     2748487
     30       l2_subp2_total_write_sector_queries     2750131     2750287     2750205
     30       l2_subp3_total_write_sector_queries     2749187     2749389     2749278
     30                         l1_local_load_hit       45718       46097       45936
     30                        l1_local_load_miss     4278748     4279071     4278911
     30                        l1_local_store_hit           0           1           0
     30                       l1_local_store_miss     1830664     1830664     1830664

修改

我意识到它是128字节而不是我想到的位事务。

Answer 1

根据 Local Memory and Register Spilling 注册溢出对性能的影响不仅仅需要在编译时决定合并;更重要的是：从/向L2缓存读/写已经相当昂贵，你想避免它。

该演示文稿建议使用分析器，您可以在运行时计算由于本地内存（LMEM）访问导致的L2查询数，查看它们是否对所有L2查询的总数产生重大影响，然后优化共享例如，通过单个主机呼叫，以L1比率支持后者 cudaDeviceSetCacheConfig（cudaFuncCachePreferL1）;

希望这有帮助。

CUDA本地存储器寄存器溢出开销

1 个答案: