CUDA：更大的线程问题

| 几乎所有CUDA示例代码都描述了对大型数据集执行近原子操作。每个线程可以解决的问题大小有哪些实际限制？ 例如，我还有一个问题需要解决，该问题涉及每线程矩阵求解。这种事情是否太大而无法放入每个线程中？     
2020-03-17 3 条评论
分享

没有找到相关结果

    已邀请:

    辅奈

    CUDA是一种有效的SIMD架构数据并行编程模型，因此显然它不如通用多线程或MIMD架构灵活。当然，内核比简单的算术运算要复杂得多。 在我自己的工作中，我大量使用CUDA来求解偏微分方程（因此，有限元，有限差分和有限体积方法），每个线程都处理离散连续体中的单元或元素。在这种计算中，每个单元格/元素的每个线程有很多FLOP。 要注意的关键领域是分支分歧。因为它是一个底层的SIMD架构，所以在线程扭曲（实际上是SIMD宽度）内有很多分支的代码将遭受性能损失。但是分支分歧和代码复杂度不必是同义词，您可以编写非常好的“分支”和“ loopy”代码，只要在任何给定的warp中的线程不会经常分歧就可以很好地运行。在FLOP和IOP繁重的算法中，通常很难做到这一点。     
    2020-03-17 0 0
    分享

    砷竣阿

    我只是想重申一下标准，并说操作数对内核的“大小”没有真正的限制。只要计算是并行的，CUDA就会有效！ 就实际考虑而言，我将添加一些小注释 长时间运行的内核可能会超时，具体取决于os（或使用cudaProf进行性能分析时）。您可能必须在某处更改设置以增加最大内核执行时间。 在没有专用GPU的系统上长时间运行的内核会冻结显示（中断ui）。 warp是异步执行的-一种warp可以访问内存，而另一种warp则可以执行算术运算以有效地使用时钟周期。长期运行的内核可能会从对此类优化的关注中受益更多。我不确定这最后一个。     
    2020-03-17 0 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册

    或代码 OrCode.com 备案号：粤ICP备15020848号-1
    Escape time: 0.03916597366333