CUDA编程笔记(4)

文章目录

  • 前言
  • 1.CUDA的计时程序
  • 2.CUDA程序的计时
  • 影响GPU加速的关键
  • 总结


前言

怎么才能看出使用cuda编程,提高了程序的性能,一般都是通过比较程序运行的时间来验证。所以熟悉程序的运行时间的计时,可以查看优化的性能效果。

1.CUDA的计时程序

cuda提供了一种基于cuda事件的计时方式,在cuda编程书中介绍了如下的计时程序:

 // 定义变量
 cudaEvent_t start, stop;   
 // cudaEventCreate初始化变量
 CHECK(cudaEventCreate(&start));
 CHECK(cudaEventCreate(&stop));
 // 在计时的代码块之前要记录一个代表开始的事件
 CHECK(cudaEventRecord(start));
 // 需要添加cudaEventQuery操作刷新队列,才能促使前面的操作在GPU上执行
 cudaEventQuery(start); // 不用CHECK,返回值不对但不代表程序出错
 // 需要计时的代码块
 add<<<grid_size, block_size>>>(d_x, d_y, d_z, N); 
 // 在计时的代码块结束要记录一个代表结束的事件
 CHECK(cudaEventRecord(stop));
 // 要让主机等待事件stop被记录完毕
 CHECK(cudaEventSynchronize(stop));
 // 计算程序执行的时间差
 float elapsed_time;
 CHECK(cudaEventElapsedTime(&elapsed_time, start, stop));
 printf("Time = %g ms.\n", elapsed_time);
 // 销毁start和stop事件
 CHECK(cudaEventDestroy(start));
 CHECK(cudaEventDestroy(stop));

2.CUDA程序的计时

重复计时10次,计算平均值和误差。忽略第一次.第一次机器在CPU或者GPU上可能处于预热状态,测得的时间往往偏大.
在前面数组相加的程序里修改:

    float t_sum = 0;
    float t2_sum = 0;
    for (int repeat = 0; repeat <= NUM_REPEATS; ++repeat)
    {
        cudaEvent_t start, stop;
        CHECK(cudaEventCreate(&start));
        CHECK(cudaEventCreate(&stop));
        CHECK(cudaEventRecord(start));
        cudaEventQuery(start);

        add<<<grid_size, block_size>>>(d_x, d_y, d_z, N);

        CHECK(cudaEventRecord(stop));
        CHECK(cudaEventSynchronize(stop));
        float elapsed_time;
        CHECK(cudaEventElapsedTime(&elapsed_time, start, stop));
        printf("Time = %g ms.\n", elapsed_time);
			 // 忽略第一次.第一次机器可能处于预热状态,测得的时间往往偏大.
        if (repeat > 0)
        {
            t_sum += elapsed_time;
            t2_sum += elapsed_time * elapsed_time;
        }

        CHECK(cudaEventDestroy(start));
        CHECK(cudaEventDestroy(stop));
    }

这里在使用nvcc编译的时候,要在命令行添加-O3指令,是一个优化等级,表示三等级的优化,能够提升c++程序运行的性能。使用优化指令和不用相差比较大,大概2-3倍的样子。

影响GPU加速的关键

在上面的使用计时程序对cuda的核函数计时中,在使用单精度和双精度来对比运行时间,发现在GeForce RTX2080Ti上,双精度是单精度运行时间的差不多两倍关系。
定义使用双精度和单精度浮点数计算的程序:

//  在源程序中使用条件编译,定义双精度和单精度
#ifdef USE_DP
    typedef double real; // 给double和float类型取别名,方便直接使用real,后面统一做类型的修改
    const real EPSILON = 1.0e-15;
#else
    typedef float real;
    const real EPSILON = 1.0e-6f;
#endif

在编译时,使用命令行输入-D USE_UP可以指定选择使用双精度浮点数进行计算

使用单精度:
CUDA编程笔记(4)_第1张图片
使用双精度:
CUDA编程笔记(4)_第2张图片
上面的仅仅是计算的核函数里程序的运行时间,没有计算相对于c++程序里的内存分配和数据传递的时间。使用单精度,如果将数据传输的时候开始计时,发现cuda程序耗时显著增加。
CUDA编程笔记(4)_第3张图片
运行时间:
CUDA编程笔记(4)_第4张图片
而单单使用cpu的程序,运行时间:
CUDA编程笔记(4)_第5张图片
可以发现:

  • cuda程序里,数组相加,使用核函数所占的时间比很小,基本都是数据传输消耗了较多的时间。相对于直接使用cpu来说,可能性能得不到提升。
    在cuda工具箱中,可以使用nvprof指令,去查看程序各部分执行时间的消耗情况:
    在这里插入图片描述很直观的可以分析出数据传输占据了主要的执行时间,核函数最大消耗的时间才用了2.1864ms占总的时间的0.81%。

综上可以发现,数据在主机和设备之间的传输消耗的时间比较大。那为什么说使用cuda性能能得到提升呢?

  • 通过核函数的时间对比,可知在GPU上存在很多核心,计算速度要比CPU上快的多。而应该是数组相加这个操作太简单了,所以在直观上体现不了cuda的加速情况。后面通过使用较为复杂的浮点数运算,证明cuda能够很大程度的提升程序的性能。还有就是既然数据传输占总的时间很大,只要在复杂的操作中,开始进行一次的传输,后面尽量避免大数据的传输,就可以获得可观的性能提升。

这里总结一下,影响GPU加速的关键就是两点:
(1)数据传输的比例:多在GPU上进行计算,避免过多的数据传输,数据经过PCIe传递。
(2)浮点数计算的算术强度:复杂的浮点运算选择在GPU上进行。

书中还提到了,不同型号的GPU在单精度和双精度上两者执行时间的比值,对于算术强度较高的问题,在使用双精度浮点运算时,Tesla系列的GPU相对于GeForce系列的GPU更具有优势。在单精度上都产不多,GeForce系列的GPU更具有性价比。

总结

cuda程序执行的计时方式和GPU性能加速的分析
参考:
如博客内容有侵权行为,可及时联系删除!
CUDA 编程:基础与实践
https://docs.nvidia.com/cuda/
https://docs.nvidia.com/cuda/cuda-runtime-api
https://github.com/brucefan1983/CUDA-Programming

你可能感兴趣的:(c++,开发语言,linux)