我有一个奇怪的问题,我无法确定其来源:
我有一个用于某些特殊矩阵向量乘法的工作内核,我想加快速度。基本上,大矩阵(10^6 乘以 10^6)是由几个小矩阵构成的。所以我想把这些数据放在共享内存中。然而,当我尝试添加共享内存时,我只得到错误:
pycuda._driver.LogicError: cuLaunchKernel failed: invalid value
所以我的工作内核是:
#define FIELD_SIZE {field}
#define BLOCK_SIZE {block}
__global__ void MatrixMulKernel(double *gpu_matrix, double *gpu_b, double *gpu_y)
{
int tx = ... + threadIdx.x;
if(tx < FIELD_SIZE*FIELD_SIZE*BLOCK_SIZE)
{ ... multiplication ... }
}
如果我尝试添加共享内存部分,它看起来像
#define FIELD_SIZE {field}
#define BLOCK_SIZE {block}
__global__ void MatrixMulKernel(double *gpu_matrix_ptr, double *gpu_b, double *gpu_y)
{
__shared__ double gpu_matrix[BLOCK_SIZE*BLOCK_SIZE*13];
int tx = ... + threadIdx.x;
if(tx < BLOCK_SIZE*BLOCK_SIZE*13) { gpu_matrix[tx] = gpu_matrix_ptr[tx]; }
__syncthreads();
if(tx < FIELD_SIZE*FIELD_SIZE*BLOCK_SIZE)
{ ... multiplication ... }
}
这是我唯一改变的部分,所以基本上它必须是
gpu_matrix[tx] = gpu_matrix_ptr[tx]
声明,对吧?但我看不出那应该如何。我基本上尝试从pycuda examples复制平铺矩阵乘法示例。
调用是:
self.kernel.prepare([np.intp, np.intp, np.intp])
self.kernel.prepared_call(grid_shape,
block_shape,
self.matrix_gpu.gpudata,
b_gpu.gpudata,
y_gpu.gpudata)
其中
matrix_gpu
、b_gpu
和y_gpu
是pycuda.gpuarray
实例。
我希望你能消除我的一些困惑...
根据您的描述,您分配的共享内存太大
__shared__ double gpu_matrix[BLOCK_SIZE*BLOCK_SIZE*13];
shared mem是cuda gpu的硬件资源之一。总大小约为 48KBytes,您不能增加它。
CUDA其实在下面的目录中提供了一个工具来帮助你计算你可以使用的硬件资源。
$CUDA_ROOT/tools/CUDA_Occupancy_Calculator.xls
另一方面,mat-vec-mul-like 内核所需的共享内存大小应该能够从 O(
BLOCK_SIZE^2
) 减少到 O(BLOCK_SIZE
)。在实现您自己的内核之前,您可能想阅读一些成功的 mat-vec-mul 内核的代码,例如 MAGMA。