我有两个计算类似内容的CUDA内核。一种是使用全局内存(myfun
是一种从全局内存中读取很多内容并进行计算的设备函数)。第二个内核将该块数据从全局内存传输到共享内存,以便数据可以在块的不同线程之间共享。使用全局内存的内核比共享内存的内核快得多。可能的原因是什么?CUDA中的全局vs共享内存
loadArray只是将d_x
的一小部分复制到m
。
__global__ void mykernel(float *d_x, float *d_y, int *d_z, float *d_u, int N, int K, int D)
{
int tid = blockIdx.x*blockDim.x + threadIdx.x;
int index = 0;
float max_s = 1e+37F;
if (tid < N)
{
for (int i = 0; i < K; i++)
{
float s = myfun(&d_x[i*D], d_y, tid);
if (s > max_s)
{
max_s = s;
index = i;
}
}
d_z[tid] = index;
d_u[tid] = max_s;
}
}
使用共享内存:
__global__ void mykernel(float *d_x, float *d_y, int *d_z, float *d_u, int N, int K)
{
int tid = blockIdx.x*blockDim.x + threadIdx.x;
int index = 0;
float max_s = 1e+37F;
extern __shared__ float m[];
if(threadIdx.x == 0)
loadArray(m, d_x);
__syncthreads();
if (tid < N)
{
for (int i = 0; i < K; i++)
{
float s = myfun(m, d_y, tid);
if (s > max_s)
{
max_s = s;
index = i;
}
}
d_z[tid] = index;
d_u[tid] = max_s;
}
}