У меня есть приложение, состоящее из нескольких потоков ЦП, когда каждый поток ЦП создает отдельный cudaStream в том же cudaContext на моем графическом процессоре. У меня есть Tesla K20c. Я использую Windows 7 64 бит и Cuda 5.5.
Вот мой код:
#include "gpuCode.cuh"
__global__ void kernelAddConstant1(int *g_a, const int b)
{
int idx = blockIdx.x * blockDim.x + threadIdx.x;
g_a[idx] += b;
for (int i = 0; i < 4000000.0; i++)
{
if (i%2 == 0)
{
g_a[idx] += 5;
}
else
{
g_a[idx] -= 5;
}
}
}
// a predicate that checks whether each array elemen is set to its index plus b
int correctResult(int *data, const int n, const int b)
{
for (int i = 0; i < n; i++)
{
if (data[i] != i + b)
{
return 0;
}
}
return 11;
}
int gpuDo()
{
cudaSetDevice(0);
cudaStream_t stream;
cudaStreamCreate( &stream );
int *a;
int *d_a;
unsigned int n;
unsigned int nbytes;
int b;
n = 2 * 8192/16;
nbytes = n * sizeof(int);
b = 7; // value by which the array is incremented
cudaHostAlloc( (void**)&a, nbytes, cudaHostAllocDefault ) ;
cudaMalloc((void **)&d_a, nbytes);
for (unsigned int i = 0; i < n; i++)
a[i] = i;
unsigned int nbytes_per_kernel = nbytes;
dim3 gpu_threads(128); // 128 threads per block
dim3 gpu_blocks(n / gpu_threads.x);
cudaMemsetAsync(d_a, 0, nbytes_per_kernel, stream);
cudaMemcpyAsync(d_a, a, nbytes_per_kernel, cudaMemcpyHostToDevice, stream);
kernelAddConstant1<<<gpu_blocks, gpu_threads, 0, stream>>>(d_a, b);
cudaMemcpyAsync(a, d_a, nbytes_per_kernel, cudaMemcpyDeviceToHost, stream);
cudaStreamSynchronize ( stream ) ;
cudaStreamDestroy(stream);
//cudaFree(d_a);
int bResult = correctResult(a, n, b);
//if (a)
//cudaFreeHost(a); // free CPU memory
return bResult;
}
void gpuEnd()
{
cudaDeviceReset();
}
Когда я оставляю cudaFree и cudaFreeHost комментирует, я достигаю следующего результата:
Это прекрасно, за исключением того, что у меня есть утечка памяти, потому что я не использую cudaFree и cudaFreeHost. Когда я использую cudaFree и cudaFreeHost, я получаю следующий результат:
Это плохо. При использовании cudaFree некоторые потоки ждут, когда другие закончатся, а некоторые потоки работают асинхронно. Я предполагаю, что это потому, что cudaFree не является асинхронным, но это не объясняет, почему он иногда работает, как в первых трех ядрах, но не в другое время? Если вызывается cudaFree, но GPU уже занят чем-то другим, возможно ли, чтобы процессор продолжал вычислять и позволял cudaFree автоматически получать первый шанс? Есть ли другой подход к решению этой проблемы? Спасибо за любую помощь, которую вы можете дать!
Да, cudaFree
не является асинхронным. Нитье - cudaMalloc
Делайте все свои распределения перед вашим критически важным кодом времени и выполняйте бесплатные операции в конце.
Это должно быть особенно просто в вашем случае, так как размер распределения одинаковый каждый раз.
Те же комментарии относятся к созданию потока. Я бы не стал создавать и уничтожать их на лету. Создавайте, сколько хотите, и используйте их повторно, пока не закончите.