如何以异步方式有效地将变量从 Matlab 传递到 GPU？答案

【问题标题】：How to efficiently pass a variable from Matlab to GPU in Asynchronous way?如何以异步方式有效地将变量从 Matlab 传递到 GPU？
【发布时间】：2021-06-23 13:59:36
【问题描述】：

在我的 CUDA 项目中，我可以定义一个固定内存，将数据从 .txt 文件复制到固定内存，并在内核中进行处理时使用流将数据复制到 GPU。现在，我想制作一个 CUDA MEX 文件并在 Matlab 中将我的数据（称为 RfData）变量传递给它。但是，我注意到没有办法将 MATLAB 数组直接分配为固定的 CUDA 内存。所以，我必须用可分页内存来做如下：

int* RfData;
RfData = (int *)mxGetPr(prhs[0]); 
int* Device_RfData;  
int ArrayByteSize_RfData = sizeof(int) * (96* 96* 2048);
cudaMalloc((int**)&Device_RfData, ArrayByteSize_RfData);
cudaMemcpy(Device_RfData, RfData, ArrayByteSize_RfData, cudaMemcpyHostToDevice);

这对我来说很重要，可以通过流复制 RfData 异步。我能想到的唯一方法是首先将我的 RfData 复制到固定内存，然后使用流式传输：

 int* RfData_Pinned;
cudaHostAlloc((void**)&RfData_Pinned, ArrayByteSize_RfData,  cudaHostAllocWriteCombined);
for (int j = 0; j < (96* 96* 2048); j++)
{
    RfData_Pinned[j] = RfData[j];
}

但是，它增加了我的 MEX 函数的总体处理时间。

所以，现在的问题是：如何以异步方式将我的数据从 matlab 传输到 GPU？也许CUDA中有一个命令可以将数据从可分页快速复制到固定内存！！！？

提前致谢，莫因。

【问题讨论】：

标签： matlab memory-management cuda streaming mex

【解决方案1】：

您确实可以使用cudaHostAlloc 分配固定内存，但如果您已经分配了内存，则可以改为使用cudaHostRegister 固定它，这需要一个已经分配的主机数组指针（在您的情况下取自mxGetPr） .

请注意，这将花费一些时间来固定内存，但可能少于执行cudaHostAlloc 然后复制它。

【讨论】：

好的。所以，如果我理解正确，我需要使用： cudaHostRegister(RfData, ArrayByteSize_RfData, cudaHostRegisterMapped);固定已经定义的可分页内存（RfData），在我的例子中它来自 mxGetPr。然后，我可以使用 RfData 指针作为指向固定内存的指针来进行流式传输。对吗？
@MoeinMozaffarzadeh 是的。那是正确的。我使用cudaHostRegisterPortable，但我现在不记得为什么使用cudaHostRegisterMapped，或者它是否有所作为。之后，只需使用cudaMemcpyAsync，最后一个参数是流。如果你想要一个例子，我会在 TIGRE 工具箱上使用所有这些，但它可能有点混淆，是一个简单的例子。
谢谢。还有一个问题。我是否还需要使用特定命令释放此内存，或者只是 free(RfData) 可以正常工作？
@Moein 你应该取消固定它。由于它是一个 matlab 数组（你刚刚得到了指针），我相信 matlab 会在它认为合适的时候释放它。