CUDA 流是否与设备相关？以及如何获得流的设备？答案

【问题标题】：Are CUDA streams device-associated? And how do I get a stream's device?CUDA 流是否与设备相关？以及如何获得流的设备？
【发布时间】：2015-10-07 02:43:26
【问题描述】：

我有一个 CUDA 流，有人交给我 - 一个 cudaStream_t 值。 CUDA Runtime API 似乎没有表明我如何获取与此流关联的设备的索引。

现在，我知道cudaStream_t 只是一个指向驱动程序级流结构的指针，但我不愿过多地深入研究驱动程序。有没有一种惯用的方法来做到这一点？还是有什么不想做的充分理由？

编辑：这个问题的另一个方面是流是否真的与设备相关联，在这种方式下，CUDA 驱动程序本身可以在给定指向结构的情况下确定设备的身份。 p>

【问题讨论】：

我不是 CUDA 驱动专家，也没有多 GPU 编程的实践经验。但我希望每个 CUDA 流都特定于特定的 CUDA 上下文。我还希望每个 GPU 都有自己的 CUDA 上下文。这意味着 CUDA 流句柄在设备之间不是唯一的，只是对于每个给定的设备都是唯一的。因此，您可能需要在应用中传递一对 {device number, stream handle}。
@njuffa：如果 CUDA 流是特定于上下文的，并且如果上下文是特定于设备的，这是否意味着 CUDA 流句柄是跨设备唯一的？也许我没有关注你……
跨所有设备的唯一流句柄意味着流句柄的全局“命名空间”。我认为不存在。因此，如果您假设有两个 GPU，每个都有自己的上下文。在每个上下文中创建的第一个流可能会获得句柄值 1。有人将值为 1 的流句柄传递给您的代码。它属于哪个设备？我们不知道。
@njuffa：cudaStream_ts 是指向结构的指针，而不是整数句柄（如 CUDA 设备标识符）。是什么让您相信这些不是唯一的句柄？
@RobertCrovella 够公平的。

标签： cuda multi-gpu

【解决方案1】：

关于显式流，这取决于实现（据我所知）没有 API 向用户提供这种潜在的查询能力；我不知道驱动程序在这方面可以为您提供哪些功能，但是您始终可以查询流。

通过使用cudaStreamQuery，您可以在您选择的设备上查询您的目标流，如果返回cudaSuccess或cudaErrorNotReady，则表示该流该设备上确实存在，如果它返回 cudaErrorInvalidResourceHandle，则表示它不存在。

【讨论】：

在选择设备 n' 的情况下查询来自设备 n 的流时，我能保证获得 cudaErrorNotReady 吗？
如果您选择的设备恰好存在正在查询的流，则肯定会返回 cudaStreamQuery 或 cudaErrorNotReady 之一。前者表明对关联流的所有操作都已完成，而后者表明未完成；无论如何，两者中的任何一个都表明流存在。如果您在流上得到 cudaErrorInvalidResourceHandle，则意味着该流根本不存在。
但是流可以“存在”在两个设备上吗？更具体地说，假设在内部，流值只是其设备流数组的索引。因此，流 0 将始终存在于所有设备上。我会从所有具有该 cudaStream_t 的 GPU 获得 cudaSucces 吗？
ping...关于我的最后一条评论。

【解决方案2】：

是的，流是特定于设备的。

在 CUDA 中，流特定于上下文，而上下文特定于设备。

现在，使用运行时 API，您不会“看到”上下文 - 每个设备只使用一个上下文（这是一个好主意，因为上下文很昂贵）。但是如果你考虑驱动 API - 你have:

CUresult cuStreamGetCtx ( CUstream hStream, CUcontext* pctx );

CUstream 和 cudaStream_t 是同一个东西——一个指针。所以，你可以得到上下文。然后，您将该上下文设置或推送为当前上下文（阅读其他地方的相关信息），最后，您使用：

CUresult cuCtxGetDevice ( CUdevice* device )

获取当前上下文的设备。

所以，有点麻烦，但很可行。

我轻松确定流设备的方法

我对这个问题的解决方法是让the (C++'ish) stream wrapper class 将设备保留为成员变量，这意味着您可以编写：

auto my_device = cuda::device::get(1);
auto my_stream = my_device.create_stream(); /* using some default param values here */
assert(my_stream.device() == my_device());

不必担心。（当然上面的sn -p是针对至少有2个CUDA设备的系统，否则没有index为1的设备……）

【讨论】：

刚开始使用 CUDA，哇，API 的一些遗留方面令人痛苦。您完全希望流能够告诉您它来自哪个设备，但它不存在。还有 NppStreamContext，它是你必须使用 NPP 的流，但需要像 8 个结构字段一样手动初始化。包括设备。当我拿着流。感谢您开始并继续开发我希望 NVIDIA 提供的库:-)。
哈哈，我不知道——NPP不流行了吗？如果您想在 GPU 上进行常见操作（例如向图像添加通道或调整图像大小）但又不习惯编写自己的内核，您会使用什么？不幸的是，我在 nVidia 不认识任何人，但如果有机会，我仍然会提倡。
@aggieNick02：啊，好吧，你正在处理图像。别管我的评论，我把 NPP 误认为是别的东西了。