1. Cuda 线程的 Grid 架构
Cuda 线程分为 Grid 和 Block 两个级别,Grid、Block、Thread 的关系如下图。
- 一个核函数目前只包括一个 Grid,也就是图中的 Grid0。
- 一个 Grid 可以包括若干 Block,具体数量的上限没有查到。
- 一个 Block可以最多包括 512 或1024 个 Thread,最新的 GPU 都可以支持 1024 个线程了。
具体可参考下面的资料,感觉没有包含最新的硬件规格,先做参考。
我写了一个查看自己的GPU参数的程序,提供了源代码和Makefile,可以在自己的操作系统下编译,需要的话自行下载:https://download.csdn.net/download/quicmous/16162178
2. GPU 的 SM 架构
GPU 由多个 SM 处理器构成,一个 SM 处理器包含 8 个 SP 核。一个 SM 处理器可同时处理 32 个线程,实际上就是同一套指令在每个 SP 核上重复 4 次, 这样提交一次任务,8 个SP 核同时就能处理 32 个线程。
3. Cuda 程序在 GPU 上的运行方式
目前来讲,一个 Cuda 程序就是一个 Grid,一块 GPU 就是一组 SM 处理器。
- 程序的提交执行过程,就是如何把 Block 分派到 SM 处理器。
- Block 不可以分割,SM 处理器也不能分割。
- 一个 SM 处理器可以同时处理多个 Block,这种情况下 Block 需要在其 SM 处理器排队等待调度。
4. 以 Jetson Nano 为例,看如何设置 Grid、Block 维度
Jetson Nano 拥有 16 个 SM 处理器,共 128 个 SP 核。
- 如果想让每个 SM 处理器都工作,则 Grid 的 Block 的数量最好是 16 的整数倍。这样在整个计算过程中,每个 SM 处理器负载都是一样的。
- 每个 SM 处理器同时可以处理 32 个线程,因此,Block 中的线程数量最好是 32 的倍数,使得 8 个 SP 核负载均衡。
因此,Jetson Nano 理想划分数据的应该是 16 x 32 x S = 512 x T 这个划分模式。也就是说,理想的数据量应该是 512 的整数倍。
以 1920 x 1080 的图像处理来讲,如果每个像素对应一个线程的话,线程应该按照如下分组:
1920 × 1080 = ( 2 7 × 3 × 5 ) × ( 2 3 × 3 3 × 5 ) 1920\times1080 = (2^7\times3\times5) \times (2^3\times 3^3\times5) 1920×1080=(27×3×5)×(23×33×5)
这里面主要考虑 Block 的维度:包含的线程数量应该是 32 的倍数,同时要小于 512。
于是,
- Block 的维度是: 2 5 × ( 3 × 5 ) = 32 × 15 2^5\times(3\times5) = 32\times15 25×(3×5)=32×15 个 Thread。
- Grid 的维度是: ( 2 2 × 3 × 5 ) × ( 2 3 × 3 2 ) = 60 × 72 (2^2\times3\times5)\times(2^3\times3^2) = 60 \times 72 (22×3×5)×(23×32)=60×72 个 Block。
最后再验证一下:
32 × 60 = 1920 15 × 72 = 1080 32\times60=1920 \\ 15\times72=1080 32×60=192015×72=1080
非常完美!