CUDA学习笔记8——GPU硬件资源

简单来说就是为了充分利用GPU，不要让分出去的CUDA核心摸鱼闲置；GPU每次干活，都是以最小的组分配的，因此分派任务的时候就尽量充分发挥每个小组里CUDA核心的作用。这里的每个小组就是一个SM（stream multi-processor）；因为硬件设计的时候每个SM里设计了固定个数的CUDA核心（如Fermi架构SM里有32个CUDA核心）；对应软件端，线程会以线程块的形式分配到SM上；因此计算线程束数量时候就整份整份的去分配。

---

流式多处理器/stream multi-processor（SM）

GPU架构是围绕一个流式多处理器/stream multi-processor（SM）的扩展阵列搭建的。通过复制这种结构来实现GPU的硬件并行。
一个GPU是由多个SM构成的，Fermi架构SM包括以下关键组件：

• CUDA核心（CUDA core）
• 共享内存/一级缓存（shared memory / L1 cache）
• 寄存器文件（Register File）
• 加载/存储单元（Load/Store Units）
• 特殊功能单元（Special Function Unit）
• 线程束调度器（Warps Scheduler）
  如图
• 橙色部分：2 个 Warp Scheduler/Dispatch Unit
• 绿色部分：32 个 CUDA 内核，分在两条 lane 上，每条分别是 16 个
• 浅蓝色部分：register file-寄存器文件和 L1 cache
• 16 个 Load/Store units (LD/ST Unit)
• 4 个 Special Function Units (SFU)

每个 SM 具有 32 个 CUDA 内核，就是图中写着Core的绿色小方块儿，每个 CUDA 内核都有一个完全流水线化的整数算术逻辑单元 (ALU) 和浮点单元 (FPU)：

GPU中每个SM都可以支持数百个线程并发执行；
并发与并行区别：

以线程块block为单位，向SM分配线程块，多个线程块可以同时被分配到一个可用SM上，同时执行线程块的大小取决于GUP硬件；
当一个线程块被分派好SM后，就不可以再分配到其他SM上；

软件抽象资源包括Thread、Warp、Block和Grid
硬件资源包括SP和SM
网络中的所有线程块需要分配到SM上进行执行；
线程块内的所有线程块需要分配到同一个SM中执行，但是每个SM上可以被分配多个线程块；
线程块分配SM中后，会以32个线程为一组进行分割，每个组成为一个warp；（因为硬件资源有限，所以活跃的线程束的数量会受到SM资源限制）

线程束数量=ceil（线程块中的线程数/32） ——向上取整

GPU设备规格查询

#include 
#include "cuda_runtime.h"
#include "device_launch_parameters.h"

int main()
{
	int device_id = 0;
	
	cudaDeviceProp prop;
	cudaGetDeviceProperties(&prop, device_id);

	printf("Device id:								%d\n", device_id);
	printf("Device name:								%s\n", prop.name);
	printf("Compute capability:							%d.%d\n", prop.major, prop.minor);
	printf("Amount of global memory:						%g GB\n", prop.totalGlobalMem / 1024.0);
	printf("Amount of constant memory:						%g KB\n", prop.totalConstMem / 1024.0);
	printf("Maximum grid size:							%d %d %d\n",prop.maxGridSize[0], prop.maxGridSize[1], prop.maxGridSize[2]);
	printf("Maximum block size:							%d %d %d\n", prop.maxThreadsDim[0], prop.maxThreadsDim[1], prop.maxThreadsDim[2]);
	printf("Number of SMs:								%d\n", prop.multiProcessorCount);

	printf("----------------------------- \n");

	printf("Maximum amount of shared memory per block:				%g KB\n", prop.sharedMemPerBlock / 1024.0);
	printf("Maximum amount of shared memory per SM:					%g KB\n",prop.sharedMemPerMultiprocessor / 1024.0);
	
	printf("Maximum number of registers per block:					%d K\n", prop.regsPerBlock / 1024.0);
	printf("Maximum number of registers per SM:					%d K\n", prop.regsPerMultiprocessor / 1024.0);

	printf("Maximum number of threads per block:					%d \n", prop.maxThreadsPerBlock);
	printf("Maximum number of threads per SM:					%d \n", prop.maxThreadsPerMultiProcessor);


	return 0;
}