CUDA样本码带宽测试中的DeviceToDevice带宽公式

SDK提供的示例代码中的公式如下（对于DtoD传输）：

bandwidthInMBs=2.0f*（（浮点）（1[将评论总结成一个答案，希望将这个问题从持续四年多的CUDA标签的未回答列表中删除]

DtoH和DtoH开头不存在2.0f乘数
HtoD案例，为什么

因为（在传统系统中）设备到主机或主机到设备的操作只涉及设备内存中的读或写操作。设备到设备的操作既涉及到从设备内存的读操作，也涉及到对设备内存的写操作，因此，每个传输字节涉及的设备内存事务数是原来的两倍，占用的内存带宽是原来的两倍

这是因为对于DtoD情况，需要执行两个复制操作吗
执行，那么实际上传输了两倍的memSize

或多或少，是的

此外，该公式在物理统一系统（如Jetson TK1）上的准确度如何

没有任何变化。设备到设备的传输仍然涉及每个字节传输两个内存事务，因此消耗的带宽是原来的两倍

是否需要2.0f倍增器

是的，您可能会争辩说，共享内存系统上的主机到设备和设备到主机的传输也需要两倍乘数，因为它们本质上与设备到设备的传输操作相同，并且每字节内存传输消耗两倍的内存带宽。
@harrism任何见解都值得赞赏。DtoD测试从设备内存中读取6.1 GB/秒，并将6.1 GB/秒写入设备内存，因此设备内存总带宽为12.2 GB/秒。对于主机和设备内存为相同物理内存的系统，相同的2x倍增可能应用于HtoD和DtoH测试。我猜该应用程序根本不提供任何特殊功能这种情况下的sions。在具有离散GPU的系统的标准情况下，HtoD和DtoH情况下都需要x GB/秒的主机内存和x GB/秒的设备内存带宽，而DtoD情况下需要2 x GB/秒的设备内存带宽。@njuffa，我想这一切都归结于cudaMemcpy（）的方式实际上是针对不同的复制方向实现的。因此，在离散GPU上，我猜DtoH和HtoD没有乘数，因为在PCIe上有一个使用设备DMA复制引擎的单一复制。我还知道，在离散GPU上，DtoD复制是使用SMs上驱动程序启动的Memcpy内核完成的（我猜先读后写，正如你所说的2x的原因）。所以问题是Jetson TK1驱动程序是否在不同的方向上使用相同的cudaMemcpy实现。实现与GPU连接内存的带宽无关（这是应用程序试图测量的）。该应用程序显然早于具有统一物理内存的GPU平台，显然没有适应主机和设备内存为相同物理内存的情况。您的结果提供了有用的信息：TK1可以从连接的内存读取6.1 GB/sec，同时向连接的内存写入6.1 GB/sec，总带宽为12.1GB/秒。这与64位接口上的DDR3内存一致（具有双通道DDR3的消费类PC提供约25 GB/秒）我对实施的评论是关于HtoD报告的6.1 GB/sec和DtoH 6.1与您在原始问题中询问的DtoD报告的12.2 GB/sec之间的差异。我指出，根据测试应用程序的报告方式，这些数字事实上是一致的，并且是合理的。这不是一个讨论论坛，y你现在似乎在看一些不同的问题，所以请问一个新问题。