C++ CUDA-内核使用的寄存器比预期的多？

我有一个计算和的内核。如果我通过内核计算声明的变量数量，我会假设每个内核总共有5个寄存器*。但是，在分析内核时，使用了34个寄存器。我需要使用30个寄存器，以允许执行1024个线程

有人能看出哪里出了问题吗

__global__ void sum_kernel(float* values, float bk_size, int start_idx, int end_idx, int resolution, float* avgs){

    // Allocate shared memory (assuming a maximum of 1024 threads).
    __shared__ float sums[1024];

    // Boundary check.
    if(blockIdx.x == 0){
        avgs[blockIdx.x] = values[start_idx];
        return;
    }
    else if(blockIdx.x == resolution-1) {
        avgs[blockIdx.x] = values[start_idx+(end_idx-start_idx)-1];
        return;
    }
    else if(blockIdx.x > resolution -2){
        return;
    }

    // Iteration index calculation.
    unsigned int idx_prev = floor((blockIdx.x + 0) * bk_size) + 1;
    unsigned int from = idx_prev + threadIdx.x*(bk_size / blockDim.x);
    unsigned int to = from + (bk_size / blockDim.x);
    to = (to < (end_idx-start_idx))? to : (end_idx-start_idx);

    // Partial average calculation using shared memory.
    sums[threadIdx.x] = 0;
    for (from; from < to; from++)
    {
        sums[threadIdx.x] += values[from+start_idx];
    }

    __syncthreads();

    // Addition of partial sums.
    if(threadIdx.x != 0) return;
    from = 1;
    for(from; from < 1024; from++)
    {
        sum += sums[from];
    }
    avgs[blockIdx.x] = sum;
}

\uuuuu全局\uuuuu无效和\uu内核（浮点*值、浮点bk大小、整数开始\uIDX、整数结束\uIDX、整数分辨率、浮点*平均值）{
//分配共享内存（假设最多1024个线程）。
__共享浮点数和[1024]；
//边界检查。
if（blockIdx.x==0）{
avgs[blockIdx.x]=值[start_idx]；
返回；
}
else if（blockIdx.x==分辨率-1）{
avgs[blockIdx.x]=值[start_idx+（end_idx-start_idx）-1]；
返回；
}
else if（blockIdx.x>分辨率-2）{
返回；
}
//迭代指数计算。
无符号整数idx_prev=地板（（块idx.x+0）*bk_大小）+1；
unsigned int from=idx_prev+threadIdx.x*（bk_size/blockDim.x）；
无符号int-to=from+（bk_size/blockDim.x）；
to=（to<（end_idx-start_idx））？to：（end_idx-start_idx）；
//使用共享内存进行部分平均计算。
和[threadIdx.x]=0；
for（from；from

• 假设每个指针有2个寄存器，每个无符号int有1个寄存器，参数存储在常量内存中

---

不能根据声明变量的数量来估计已使用寄存器的数量。编译器可以使用寄存器进行地址计算或存储未显式声明的临时变量等

例如，我已经分解了内核函数的第一部分，即

__global__ void sum_kernel(float* values, float bk_size, int start_idx, int end_idx, int resolution, float* avgs){

    // Boundary check.
    if(blockIdx.x == 0){
        avgs[blockIdx.x] = values[start_idx];
        return;
    }
    else if(blockIdx.x == resolution-1) {
        avgs[blockIdx.x] = values[start_idx+(end_idx-start_idx)-1];
        return;
    }
    else if(blockIdx.x > resolution -2){
        return;
    }
}

有以下结果

code for sm_20
       Function : _Z10sum_kernelPffiiiS_
.headerflags    @"EF_CUDA_SM20 EF_CUDA_PTX_SM(EF_CUDA_SM20)"
/*0000*/        MOV R1, c[0x1][0x100];            /* 0x2800440400005de4 */   R1 = [0x1][0x100]
/*0008*/        S2R R2, SR_CTAID.X;               /* 0x2c00000094009c04 */   R2 = BlockIdx.x
/*0010*/        MOV R0, c[0x0][0x34];             /* 0x28004000d0001de4 */   R0 = [0x0][0x34]
/*0018*/        ISETP.EQ.AND P0, PT, R2, RZ, PT;  /* 0x190e0000fc21dc23 */   if (R2 == 0)
/*0020*/    @P0 BRA 0x78;                         /* 0x40000001400001e7 */
/*0028*/        MOV R0, c[0x0][0x30];             /* 0x28004000c0001de4 */   
/*0030*/        IADD R0, R0, -0x1;                /* 0x4800fffffc001c03 */
/*0038*/        ISETP.NE.AND P0, PT, R2, R0, PT;  /* 0x1a8e00000021dc23 */
/*0040*/    @P0 EXIT ;                            /* 0x80000000000001e7 */
/*0048*/        MOV R0, c[0x0][0x2c];             /* 0x28004000b0001de4 */
/*0050*/        ISCADD R2, R2, c[0x0][0x34], 0x2; /* 0x40004000d0209c43 */
/*0058*/        ISCADD R0, R0, c[0x0][0x20], 0x2; /* 0x4000400080001c43 */
/*0060*/        LDU R0, [R0+-0x4];                /* 0x8bfffffff0001c85 */
/*0068*/        ST [R2], R0;                      /* 0x9000000000201c85 */
/*0070*/        BRA 0x98;                         /* 0x4000000080001de7 */
/*0078*/        MOV R2, c[0x0][0x28];             /* 0x28004000a0009de4 */   
/*0080*/        ISCADD R2, R2, c[0x0][0x20], 0x2; /* 0x4000400080209c43 */   
/*0088*/        LDU R2, [R2];                     /* 0x8800000000209c85 */   R2 used for addressing and storing gmem data
/*0090*/        ST [R0], R2;                      /* 0x9000000000009c85 */   R0 used for addressing
/*0098*/        EXIT ;                            /* 0x8000000000001de7 */

---

在上面的CUDA代码片段中，没有显式声明的变量。从反汇编代码中可以看出，编译器使用了

3

寄存器，即

R0

、

R1

和

R2

。这些寄存器在功能上是可交换的，用于存储常量、内存地址和全局内存值。

小更正：谓词不是存储在R寄存器中，而是存储在谓词寄存器中（在本例中为P0）。@njuffa非常感谢。我已立即修正了答案的最后一句话。