CUDA已从设备锁定内存刷新
CUDA 5,设备功能3.5,VS 2012,64位Win 2012服务器 线程之间没有共享内存访问,每个线程都是独立的 我正在使用零拷贝的固定内存。只有在主机上发出CUDA已从设备锁定内存刷新,cuda,Cuda,CUDA 5,设备功能3.5,VS 2012,64位Win 2012服务器 线程之间没有共享内存访问,每个线程都是独立的 我正在使用零拷贝的固定内存。只有在主机上发出cudaDeviceSynchronize时,我才能从主机读取设备写入的固定内存 我希望能够: 设备更新后立即刷新到固定内存中 不阻止设备线程(可能通过异步复制) 每次设备写入后,我都尝试调用\uuuuuuThreadFence\uSystem和\uuuThreadFence,但没有刷新 下面是一个完整的CUDA代码示例,演示了我的
cudaDeviceSynchronize
时,我才能从主机读取设备写入的固定内存
我希望能够:
\uuuuuuThreadFence\uSystem
和\uuuThreadFence
,但没有刷新
下面是一个完整的CUDA代码示例,演示了我的问题:
#包括
#包括
#包括“cuda.h”
#包括“cuda_runtime.h”
#包括“设备启动参数.h”
__全局无效内核(易失性浮点*hResult)
{
int tid=threadIdx.x+blockIdx.x*blockDim.x;
printf(“内核%u:在写入内核之前,\n”,tid);
hResult[tid]=tid+1;
__threadfence_系统();
//希望数据被刷新到这里的主机!
printf(“内核%u:在内核中写入\n之后”,tid);
//循环浪费时间(睡眠)
对于(int-timeWater=0;timeWater<100000000;timeWater++);
}
void main()
{
块大小=2;
挥发性浮点数*hResult;
cudaHostAlloc((空隙**)和hResult,区块*尺寸(浮动),cudaHostAllocMapped);
内核(hResult);
int filledelementscenter=0;
//NAIVE线程实现,可以使用
//另一个主机线程
while(填充元素中心<块)
{
//块,直到值更改为止,这将按顺序移动
//而线程没有顺序(对于此示例可以)。
而(hResult[Filled元素中心]==0);
printf(“%f\n”,hResult[Filled元素中心];;
filledlementsconter++;
}
cudaFreeHost((void*)hResult);
系统(“暂停”);
}
当前此示例将无限期等待,因为除非我发出cudaDeviceSynchronize
,否则不会从设备读取任何内容。下面的示例有效,但它不是我想要的,因为它违背了异步复制的目的:
void main()
{
块大小=2;
挥发性浮点数*hResult;
cudaHostAlloc((空隙**)和hResult,区块*尺寸(浮动),cudaHostAllocMapped);
内核(hResult);
cudaError_t error=cudaDeviceSynchronize();
if(error!=cudaSuccess){throw;}
对于(int i=0;i
不能将主机指针直接传递到内核。如果使用带有cudaHostAllocMapped
标志的cudaHostAllocMapped
分配主机内存,则首先必须检索映射主机内存的设备指针,然后才能在内核中使用它。用于获取映射主机内存的设备指针
float* hResult, *dResult;
cudaHostAlloc((void**)&hResult, blocks*sizeof(float), cudaHostAllocMapped);
cudaHostGetDevicePointer(&dResult,hResult);
Kernel<<<1,blocks>>>(dResult);
float*hResult,*dResult;
cudaHostAlloc((空隙**)和hResult,区块*尺寸(浮动),cudaHostAllocMapped);
cudaHostGetDevicePointer(&dResult,hResult);
果仁(dResult);
调用\uuu threadfence\u system()
将确保系统在继续之前可以看到写入操作,但CPU将缓存h\u result
变量,因此您只是在无限循环中旋转旧值。尝试将h_结果标记为volatile,我在Centos 6.2上使用CUDA 5.5和特斯拉M2090使用了您的代码,可以得出以下结论:
它不能在您的系统上工作的问题一定是驱动程序问题,我建议您使用TCC驱动程序
我附加了我的代码,运行良好,并做你想要的。这些值在内核结束之前出现在主机端。如您所见,我添加了一些计算代码,以防止由于编译器优化而删除for循环。我添加了一个流和一个回调,在流中的所有工作完成后执行。程序输出1
2
,并且在很长一段时间内不执行任何操作,直到流结束…
打印到控制台
#include <iostream>
#include "cuda.h"
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#define SEC_CUDA_CALL(val) checkCall ( (val), #val, __FILE__, __LINE__ )
bool checkCall(cudaError_t result, char const* const func, const char *const file, int const line)
{
if (result != cudaSuccess)
{
std::cout << "CUDA (runtime api) error: " << func << " failed! " << cudaGetErrorString(result) << " (" << result << ") " << file << ":" << line << std::endl;
}
return result != cudaSuccess;
}
class Callback
{
public:
static void CUDART_CB dispatch(cudaStream_t stream, cudaError_t status, void *userData);
private:
void call();
};
void CUDART_CB Callback::dispatch(cudaStream_t stream, cudaError_t status, void *userData)
{
Callback* cb = (Callback*) userData;
cb->call();
}
void Callback::call()
{
std::cout << "stream finished..." << std::endl;
}
__global__ void Kernel(volatile float* hResult)
{
int tid = threadIdx.x + blockIdx.x * blockDim.x;
hResult[tid] = tid + 1;
__threadfence_system();
float A = 0;
for (int timeWater = 0; timeWater < 100000000; timeWater++)
{
A = sin(cos(log(hResult[0] * hResult[1]))) + A;
A = sqrt(A);
}
}
int main(int argc, char* argv[])
{
size_t blocks = 2;
volatile float* hResult;
SEC_CUDA_CALL(cudaHostAlloc((void**)&hResult,blocks*sizeof(float),cudaHostAllocMapped));
cudaStream_t stream;
SEC_CUDA_CALL(cudaStreamCreateWithFlags(&stream, cudaStreamNonBlocking));
Callback obj;
Kernel<<<1,blocks,NULL,stream>>>(hResult);
SEC_CUDA_CALL(cudaStreamAddCallback(stream, Callback::dispatch, &obj, 0));
int filledElementsCounter = 0;
while (filledElementsCounter < blocks)
{
while(hResult[filledElementsCounter] == 0);
std::cout << hResult[filledElementsCounter] << std::endl;
filledElementsCounter++;
}
SEC_CUDA_CALL(cudaStreamDestroy(stream));
SEC_CUDA_CALL(cudaFreeHost((void *)hResult));
}
#包括
#包括“cuda.h”
#包括“cuda_runtime.h”
#包括“设备启动参数.h”
#定义SEC_CUDA_CALL(val)checkCall((val),#val,u文件,u行)
bool checkCall(cudaError\u t result、char const*const func、const char*const file、int const行)
{
如果(结果!=cudaSuccess)
{
当你说“你不能通过”时你是想解决我的刷新问题,还是说一般的问题?因为当我用cudaDeviceSynchronize
替换我的while循环时,我可以访问hResult中的数据,而无需执行任何cudaMemcpy
。我仍然看不到你建议的解决方案是如何解决刷新问题的。我是否继续在dR上执行cudamemcpysync
esult直到我找到它里面的东西?实际上我指出了一个会导致未定义行为的一般性错误。刷新问题可能是由于内核中的printf
语句造成的。因为内核中的printf
在内核完成执行后会转储其输出。我在问题中添加了另一个示例,哪一个是有效的,但是是同步的。你是说第二个示例有一个未定义的行为吗?它是有效的,即使我删除了内核printf
,这只有在你没有统一虚拟寻址的情况下才是正确的。如果你有UVA(即sm_20或更高版本,64位Linux或带有TCC/WinXP的64位Windows)那么你就不需要调用cudaHostGetDevicePointer()
。有关更多信息,请参阅。@Tom,因此我拥有除TCC之外的所有这些,因为我目前正在使用GTX Titan,但是代码仍然可以工作,而没有调用cudaHostGetDevicePointer
,这是侥幸吗?我已经更新了上面的示例并添加了u threadfence_system()而且不稳定,因为添加volat是个好主意