Cuda gpu compute 1.3中合并和未合并的内存事务数

cuda探查器手册指出，由于更宽松的合并策略，未合并内存事务的数量将始终为零。但我相信仍然有未愈合的伤口。如何计算呢？是否有任何工具或模拟器可以提供帮助？其中，哪一个似乎是最准确的？

---

感谢设备1.0，您只有两个选择：

• 合并内存访问，并在一个内存事务中获取所有数据
• 内存访问是不可恢复的，数据是一个接一个地获取的——因此，总是有16个内存事务（半扭曲）

然而，在设备1.2和1.3中，这是不同的。 想象一下，你的设备内存被分成128字节的块。您需要的内存事务数与所命中的块数相同。因此：

• 如果您获得完全合并的访问，那么您将获得1个内存事务
• 如果只是未对齐，可能会得到2个内存事务
• 如果每个线程访问第n个字，则可以获得3、4甚至更多的内存事务
• 在最坏的情况下，您可以获得16个内存事务
• 但是，即使访问是随机的，但是局部的，两个线程可能恰好落在同一块中，您将需要不到16个内存事务

有这么多的案例，所以将其分为两类：合并/未合并不再有任何意义。这就是为什么Cuda探查器走了另一条路。它们只是计算内存事务的数量。访问模式越随机，内存事务计数越高，即使内存访问指令的计数相同

---

以上是稍微简化的模型。实际上，内存事务可以访问128字节、64字节或32字节宽的块，以节省带宽。在探查器中查找load 128b、load 64b、load 32b和store 128b、store 64b、store 32b列。

是什么让您确定存在未恢复的内存事务？将内核的内存吞吐量与CUDA memcpy这样的已知基准进行比较不是更容易吗？谢谢您的详细回答。不过，这只是另一个想法：假设所有扭曲的内存访问模式都是相似的；如果我们直接将计数器gld_与计数器gld_请求相关联，那么我们可以得到每个warp的（未校准的）内存事务数？