nvcc编译器之GPU代码编译（chapter 5）

目录

5. GPU编译

5.1 GPU多代架构

5.2 GPU特性列表

5.3 应用兼容性

5.4 虚拟架构

5.5 虚拟架构特性列表

5.6 兼容性补全机制

5.7 nvcc示例

---

5. GPU编译

本章描述了由nvcc与CUDA驱动协同维护的GPU编译模型。本文介绍了一些技术部分，并在最后给出了具体的示例。

5.1 GPU多代架构

英伟达GPU有多种架构，每个架构都可以独立演化发展。新一代的GPU会在功能或芯片架构上引入重大改进，而相同架构（同代）的GPU模型则会有较小的配置差异，适度影响功能、性能。

跨架构（代）的GPU应用的二进制兼容性是不保证的。

例如：fermi（费米）架构下编译的CUDA应用程序，不太可能在Kepler（开普勒）架构的GPU上运行（反之亦然）。这是因为指令集以及指令编码不同导致的。

同架构（代）的GPU之间在一定条件下是可以保证二进制兼容性的，因为它们共享相同的基础指令集。例如：两款GPU版本之间本无功能差异（其中之一是另外一个的缩小版本）；或者一个版本在功能上完全包含另外一个（具体地如Maxwell架构的基础版本sm_52，包含的功能是所有Maxwell架构版本功能的子集，则为sm_52版本编译的任何代码都能在其它Maxwell GPU上运行）；

5.2 GPU特性列表

下表展示了当前GPU架构名，并标注了其提供的功能能力。其他诸如寄存器数量，处理器簇数量，仅仅影响执行的性能。

CUDA的命名体系中，对GPU的命名形如：sm_xy。

x表示GPU的代数，y表示当前架构（代）内的版本号。

CUDA通过x1y1 <= x2y2的判断来尝试选取GPU，这样sm_x1y1的GPU所有非ISA(指令集)相关的能力一定被sm_x2y2的GPU包含。

由此，sm_52确实是基础版本的Maxwell模型，它也解释了为什么下表中，较高的项总是对较低项的功能扩展，表中的加号正是表达此语义的。此外，如果我们从指令编码中抽象出来，它意味着sm_52的功能将继续包含在所有后来的GPU中。正如我们接下来将看到的，该属性将是nvcc支持应用程序兼容性的基础。

5.3 应用兼容性

在CPU上，保持二进制代码在CPU上的兼容性，以及维护发布的指令集体系结构兼容性，是确保领域应用程序发行版在新版本的CPU成为主流时，能够运行的通用机制。

而GPU则不同，因为NVIDIA不保证二进制兼容性，除非牺牲掉GPU迭代改进的机会。相反，正如在图形编程领域中已经存在的传统一样，nvcc依赖于一个两阶段的编译模型 ，来确保领域应用程序与未来的GPU架构的兼容性。

5.4 虚拟架构

GPU编译使用了一种中间码（ptx码）表示形式，它可以被看作是一种虚拟GPU架构的汇编码。

与实际的图形处理器（GPU）相反，这种虚拟GPU完全由它提供给应用程序的一组功能能力或特性来定义。实际上，虚拟GPU架构(很大程度上)提供了通用的指令集，二进制指令的编码并不是问题，因为ptx码是以文本格式表示 。

因此，nvcc编译命令总是使用两个体系架构（两阶段）：

• 一个是虚拟的中间体系结构(--gpu-architecture选项)
• 一个是真正的GPU体系架构，指定要执行的处理器（--gpu-code）

为了使这样的nvcc命令生效，真实的体系架构必须是虚拟体系架构的一种实现。下面将对此作进一步解释：

编译所选择的虚拟架构，更多的是对应用程序所需的GPU能力的一种声明：即使用最小能力（范围）的虚拟架构，仍然会使nvcc第二编译阶段可以允许非常广泛的真实架构。反过来讲，指定一个支持某个应用程序未使用特性的虚拟体系架构，则不必要地限制了nvcc第二编译阶段可以使用的GPU（架构）集合。

因而，虚拟架构的选择应该遵循最小适用性原则，这最大化了可以运行的真实GPU集合。真实架构的选择则遵循最大适用性原则，这当然需要对应用程序所要运行的真实GPU有比较好的了解。在just in-time编译的使用场景下，driver层是有这个先验知识的。

5.5 虚拟架构特性列表

compute_35 compute_37	Kepler support(开普勒架构) Unified memory programming Dynamic parallelism support
compute_50 compute_52 compute_53	+Maxwell support（麦克斯韦架构）
compute_60 compute_61 compute_62	+Pascal support(帕斯卡尔架构)
compute_70 compute_72	+Volta support(伏打架构)
compute_75	+Turing support(图灵架构)
compute_80 compute_86	+Ampere support(安培架构)

上表列出了当前定义的虚拟架构。虚拟架构的命名方案与实际架构的命名方案在“5.2章节GPU特性列表”中相同。

5.6 兼容性补全机制

显然，分编译阶段本身无助于实现应用程序与未来的GPU兼容的目标。为此，我们需要CUDA示例中给出的另外两个机制：即时编译(JIT)和fatbinaries（胖二进制）。

5.6.1 即使编译（JIT-Just in time）

到真实GPU（cuda程序）的编译步骤，将代码绑定到了特定一代的GPU。在这一代架构中，它涉及到GPU覆盖率和更高性能之间的折中选择。例如，代码编译到sm_52，允许在所有Maxwell一代架构的gpu上运行，但是如果只以兼容Maxwell GM206以及其后续版本作为唯一目标，那么编译到sm_53可能会产生更好的代码。

通过指定一个虚拟代码体系结构而不是一个真实的GPU架构，nvcc将延迟对PTX汇编代码的组装，直到应用程序运行时，此时目标GPU是确切已知的。例如，当应用程序在sm_50或更高版本的架构上启动时，下面的命令允许生成精确匹配的GPU二进制代码。

nvcc x.cu --gpu-architecture=compute_50 --gpu-code=compute_50

--gpu-architecture指定了生成支持的虚拟GPU体系结构的ptx码，控制对输入文件进行预处理和编译以生成特定ptx码的过程；

--gpu-code对生成的ptx码组装成支持的真实的GPU体系结构的二进制，默认不指定该选项时，使用--gpu-architecture的选项值。

如果 --gpu-architecture使用了真实的 GPU 架构的值（例如sm_50），则nvcc使用指定的真实GPU架构（sm_50）以及最接近的虚拟GPU架构（compute_50）作为真实GPU架构（--gpu-code）的选项值。即‘--gpu-architecure=sm_50’等同于‘--gpu-architecture=compute_50, --gpu-code=sm_50,compute_50’

即时编译的缺点是会增加应用启动延迟，但这可以通过让CUDA驱动使用编译缓存来缓解，编译缓存在多次运行应用程序时会持久化下来。(参见“CUDA C++编程指南中 3.1.1.2节即时编译”)。

5.6.2 fatbinaries(胖二进制)

另一种既能克服JIT启动延迟，也允许可执行程序在较新的GPUs上运行的解决方案是：指定生成多个代码实例，例如

nvcc x.cu --gpu-architecture=compute_50 --gpu-code=compute_50,sm_50,sm_52

这个命令为两个Maxwell虚拟架构的两个变种（真实GPU架构sm_50和sm_52），生成精确的二进制代码，外加ptx码以便在遇到下一代GPU时进行即时编译（JIT）。nvcc将它的设备代码组织在fatbinary二进制文件中，fatbinary可以容纳相同GPU源代码的多个翻译二进制结果。在运行时，当启动device函数时，CUDA驱动程序将选择最合适的翻译二进制。

5.7 nvcc示例

5.7.1 基本符号

NVCC提供了选项 --gpu-architecture和--gpu-code，用于指定两个编译阶段的目标架构。除了下面描述的简写，--gpu-architecture选项接受一个单值，这个值必须是虚拟计算架构的名称，而选项--gpu-code接受一个值列表，这些值必须都是真实gpu的名称，nvcc在编译的第2阶段，每一个真实gpu架构分别执行二进制翻译，并将结果嵌入最终编译结果中(通常是一个主机对象文件.o或可执行文件)。

Example

nvcc x.cu --gpu-architecture=compute_50 --gpu-code=compute_50,sm_50,sm_52

5.7.2 简写

NVCC允许在简单的情况下使用一些简写。

5.7.2.1 简写1

--gpu-code参数可以用来指定虚拟架构。 在这种情况下，对于指定的虚拟架构，阶段2的编译将被省略，而阶段1的PTX码将被嵌入到最终的二进制中。在应用程序启动时，如果驱动程序在二进制中没有找到适配的设备代码，将使用阶段2编译嵌入的PTX码作为输入（即使编译）。

示例

nvcc x.cu --gpu-architecture=compute_50 --gpu-code=compute_50,sm_50,sm_52

5.7.2.2 简写2

--gpu-code选项也可以被省略。 仅在这种情况下，--gpu-architecture值可以是非虚拟架构（可以为真实GPU架构，sm_*）。--gpu-code的选项值默认为由--gpu-architecture指定的GPU实现的最接近的虚拟架构，加上--gpu-architecture选项值。最接近的虚拟架构被赋值给--gpu-architecture。如果--gpu-architecture值是一个虚拟架构（compute-*），则--gpu-code选项直接取值--gpu-architecture。

举例来说：

 1） nvcc x.cu --gpu-architecture=sm_52
 --gpu-code被省略，sm_52是真实物理架构，最接近的虚拟GPU架构是compute_52
 因此等同于：
 nvcc x.cu --gpu-architecture=compute_52 --gpu-code=sm_52,compute_52 
 
 2)  nvcc x.cu --gpu-architecture=compute_50
 --gpu-code被省略，compute_50是虚拟架构，因此等同于：
 nvcc x.cu --gpu-architecture=compute_50 --gpu-code=compute_50 

5.7.2.3 简写3

--gpu-architecture和--gpu-code选项都可以省略。

示例

 nvcc x.cu
 等同于：
nvcc x.cu --gpu-architecture=compute_52 --gpu-code=sm_52,compute_52 

5.7.3 扩展符号

选项--gpu-architecture和--gpu-code，被用来生成使用相同虚拟架构的一种或多种真实gpu架构的二进制的情况。对每个指定的真实GPU架构，只会执行一次nvcc编译的阶段1(即预处理和生成虚拟PTX汇编代码)，然后重复针对每个真实GPU架构的编译阶段2(二进制代码生成)生成每个真实GPU架构的二进制。

使用一个公共的虚拟架构，意味着所有假定运行的GPU特性对于整个nvcc编译都是固定下来的。例如，下面的nvcc命令，生成的sm_50和sm_53二进制都不会支持半精度浮点运算。

nvcc x.cu --gpu-architecture=compute_50 --gpu-code=compute_50,sm_50,sm_53

有时需要对不同的真实GPU架构分部生成二进制，在不同的(虚拟)架构上都进行完整编译。这可以使用nvcc选项--generate-code，替代使用--gpu-architecture和--gpu-code组合的编译过程。

与--gpu-architecture选项不同，--generate-code可以在nvcc命令行上重复。它接受子选项arch和code，它们不能与主选项等价的选项相混淆，虽然行为类似。如果使用了重复架构编译（--generate-code），则设备代码必须使用基于架构标识宏__CUDA_ARCH__值的条件编译，该宏将在下一节中描述。

例如，如下编译的sm_50和sm_52二进制，不支持半精确浮点操作，但sm_53完全支持：

nvcc x.cu \
 --generate-code arch=compute_50,code=sm_50 \
 --generate-code arch=compute_50,code=sm_52 \
 --generate-code arch=compute_53,code=sm_53 

或者，将真实GPU架构二进制的生成，留给CUDA驱动程序中的JIT编译器：

nvcc x.cu \
  --generate-code arch=compute_50,code=compute_50 \
  --generate-code arch=compute_53,code=compute_53
因为没有指定真实物理GPU架构，因而生成了compute_50,compute_53虚拟架构下的ptx码，
cuda driver会在运行时即时编译成真实GPU架构的二进制。

因为没有指定真实物理GPU架构，因而生成了compute_50,compute_53虚拟架构下的ptx码，

cuda driver会在运行时即时编译成真实GPU架构的二进制。

此外，code子选项可以支持列表语法，如下：

nvcc x.cu \
 --generate-code arch=compute_50,code=[sm_50,sm_52] \
 --generate-code arch=compute_53,code=sm_53 

5.7.4 虚拟架构标识宏

nvcc在为compute_xy虚拟架构执行编译阶段1时，架构标识宏__CUDA_ARCH__被指定了一个三位数字符串xy0(以常量0结尾)。

该宏可用于cuda（GPU）函数的实现，以确定当前函数会被编译到的虚拟架构。主机侧代码(非gpu代码)不能依赖于它。

关于作者：

犇叔，浙江大学计算机科学与技术专业，研究生毕业，而立有余。先后在华为、阿里巴巴和字节跳动，从事技术研发工作，资深研发专家。主要研究领域包括虚拟化、分布式技术和存储系统（包括CPU与计算、GPU异构计算、分布式块存储、分布式数据库等领域）、高性能RDMA网络协议和数据中心应用、Linux内核等方向。

专业方向爱好：数学、科学技术应用

关注犇叔，期望为您带来更多科研领域的知识和产业应用。

内容坚持原创，坚持干货有料。坚持长期创作，关注犇叔不迷路