CUDA：关于活动扭曲（活动块）以及如何选择块大小的问题答案

【问题标题】：CUDA: question about the active warps (active blocks) and how to choose the block sizeCUDA：关于活动扭曲（活动块）以及如何选择块大小的问题
【发布时间】：2011-07-19 17:07:38
【问题描述】：

假设一个 CUDA GPU 可以在一个多处理器上同时有 48 个活动扭曲，即一个扭曲的 48 个块，或 2 个扭曲的 24 个块，...，因为来自多个块的所有活动扭曲都被调度执行，它看来block的大小对于GPU的占用来说并不重要（当然应该是32的倍数），不管是32、64还是128都没有区别吧？那么块的大小只是由计算任务和资源限制（共享内存还是寄存器）决定？

【问题讨论】：

与stackoverflow.com/questions/4391162/…相关
@Heatsink 这个问题是不同的，因为考虑到每个 mp 有最大数量的活动扭曲（并且，我将添加，考虑到多个块可以驻留在一个 mp)。
目前我的理解是，无论计算任务和要求如何，您都可以选择块大小来增加受 MIN{resource (shared/register); 限制的占用率；最大活动经线（例如 48）； max active blocks (e.g. 8) * block size} 以及将块平均分配到多处理器的数量。

标签： multithreading cuda

【解决方案1】：

有多个因素值得考虑，但您忽略了。

SM 上的活动块数有限制。当前限制为 8（所有设备），因此如果您想实现完全占用，您的块不应小于：3-warps（设备 1.0、1.1）、4-warps（1.2、1.3）和 6-warps (2.x)
根据设备的不同，每个多处理器有 8K、16K 或 32K 寄存器可用。块越大，块需要多少寄存器的“粒度”就越大。对于大街区，如果不能完全入住，你会损失很多。对于较小的块，损失可能更小。这就是为什么我个人更喜欢 2x256 而不是 1x512。
如果您确实需要在一个块中的 warp 之间进行同步，更大的块可以让您拥有更广泛的同步。
保证在单个多处理器上调度单个块。如果它的所有扭曲都有一些公共数据（例如控制变量），您可以减少全局内存获取的数量。另一方面，当您创建大量小块时，每个小块可能都需要分别加载相同的数据。在有一些缓存的 Fermi 上，它不如在 GF-200 系列上重要。但是请记住，由于有这么多的多处理器，1MB L2 缓存仍然非常非常小！

【讨论】：

是的，我现在明白了，我忽略了块数（8）的限制，无论寄存器/共享内存资源如何，如果我为每个块分配 32 个（1 个扭曲），那么活动扭曲是只有 8 条经线。

【解决方案2】：

没有。块大小确实很重要。

如果您的块大小为 32 个线程，则占用率非常低。如果您的块大小为 256，则占用率很高。这意味着所有 256 个都同时处于活动状态。超过 256 个线程/块很少会有所作为。

由于所涉及的架构很复杂，因此使用您的软件对其进行测试始终是最好的方法。

【讨论】：

我觉得没这么简单。是的，块尺寸确实很重要，是的，测试是最好的方法。但是，我不认为每个块更少的线程一定意味着更低的占用率。一个 mp 上可以驻留多个街区，从而提高占用率。
是的，没那么简单，还有资源等其他因素会影响整体入住率。但答复回答了恕我直言的问题。
我理解问题是——“假设我们启动 48 个线程/SM，我们如何将任务分成块是否重要？”