nvcc编译器未优化

为什么编译器没有做一些可以在内核中完成的琐碎优化？我有以下矩阵乘法代码：

__global__ void matrixMultiply(float * A, float * B, float * C,
        int numARows, int numAColumns,
        int numBRows, int numBColumns,
        int numCRows, int numCColumns) {

    int n=numAColumns;
    int Row=blockIdx.x*blockDim.x+threadIdx.x;
    int Col=blockIdx.y*blockDim.y+threadIdx.y;
    if((Row<numCRows) && (Col<numCColumns)){
        for(int k=0;k<n;++k){
                    C[Row*numCColumns+Col]+=
                        A[Row*numAColumns+k]*B[k*numBColumns+Col];
        }
    }   
}

---

在最后一种情况下，

C

的全局内存只被访问一次，而在第一种情况下，它在循环中被多次访问。这种优化通常不是由编译器完成的吗？在我的测试中，这两个代码的性能相差约30%，我正在做nvcc-O3…

因为

C

没有声明为

\uuuuuuuuuuuuuu

编译器无法知道

C

是否与

a

或

B

是同一个矩阵，因此无法执行上述优化。当我改为使用

float*\uuuuuuuuuuuuu restrict\uuuuc

时，两者的时间几乎相同。谢谢Chris Dodd。

代码不一样。我想你想要的是

C[Row*numcolumns+Col]+=

而不是

C[Row*numcolumns+Col]=

。对不起，是的。。。我更正了它。因为在计算过程中，不同的线程可以访问C，所以代码就不一样了。而且在第一个示例中，您也没有将C归零。@Dave:因为没有障碍，所以其他线程可能会做什么是不相关的。真正的问题是

C

可能与

A

或

B

重叠（或是相同的矩阵），这使得这两个例程非常不同<代码>\uuuu限制\uuuu完全是另外一回事。或者，更确切地说，它可能是另一种东西。总的来说，使用标准名称比使用非标准的、可能特定于编译器的扩展名要好。

__global__ void matrixMultiply(float * A, float * B, float * C,
        int numARows, int numAColumns,
        int numBRows, int numBColumns,
        int numCRows, int numCColumns) {

    int n=numAColumns;
    int Row=blockIdx.x*blockDim.x+threadIdx.x;
    int Col=blockIdx.y*blockDim.y+threadIdx.y;
    if((Row<numCRows) && (Col<numCColumns)){
        float Cvalue=0;
        for(int k=0;k<n;++k){
            Cvalue+=A[Row*numAColumns+k]*B[k*numBColumns+Col];
        }
        C[Row*numCColumns+Col]=Cvalue;
    }   
}