Cuda NVIDIA GPU部件代码（SASS）中的螺纹ID旋转

仔细查看NVIDIA sm_20 Architecture的SASS输出时，发现ThreadID是从特殊寄存器加载的，旋转分两步执行

使用通过旋转获得的值加载MSB寄存器 ThreadID由2留下

用获得的值加载LSB寄存器 通过将ThreadID向右旋转30

这将一起进行32位旋转，寄存器对将如下所示：

此外，只要代码中使用threadID，SASS中就会使用该寄存器对。SASS代码是

    code for sm_20
            Function : _Z3addPiS_S_
    .headerflags    @"EF_CUDA_SM20 EF_CUDA_PTX_SM(EF_CUDA_SM20)"
    /*0000*/         MOV R1, c[0x1][0x100];         /* 0x2800440400005de4 */
    /*0008*/         S2R R2, SR_TID.X;              /* 0x2c00000084009c04 */---Getting thread ID
    /*0010*/         IMAD.U32.U32 RZ, R1, RZ, RZ;   /* 0x207e0000fc1fdc03 */
    /*0018*/         SHL.W R3, R2, 0x2;             /* 0x6000c0000820de03 */---Rotating Step 1
    /*0020*/         SHR.U32 R4, R2, 0x1e;          /* 0x5800c00078211c03 */---Rotating Step 2
    /*0028*/         IADD R6.CC, R3, c[0x0][0x20];  /* 0x4801400080319c03 */
    /*0030*/         IADD.X R7, R4, c[0x0][0x24];   /* 0x480040009041dc43 */
    /*0038*/         LD.E R0, [R6];                 /* 0x8400000000601c85 */
    /*0040*/         STS [R3], R0;                  /* 0xc900000000301c85 */---Shared mem access with ThreadID

这样做的目的是什么，而不是使用从特殊寄存器加载的ThreadID？

sm_20的代码 功能：_

Demangled=add（int*，int*，int*）

---

整个内核函数在做什么？也许你可以从更高的层次上得到线索。人们通常在给定

threadIdx.x

的情况下计算出某个值，然后将其用作访问共享/全局内存的偏移量。我可以理解乘以4的逻辑。这是因为int的大小是4。但是当我们把R3-R4看作登记对时，当2个MSB位放在R4时它会如何帮助。我必须看到源代码。我怀疑编译器正在将threadIdx.x（uint32_t）升级为uint64_t，这将要求threadIdx.x的2 MSB下移到高32位的2 LSB。编译器不知道threadIdx.x的范围有限，因为内置的数据类型是uint3。

MOV R1, c[0x1][0x100];      
S2R R2, SR_TID.X;               // read threadIdx.x
IMAD.U32.U32 RZ, R1, RZ, RZ;
SHL.W R3, R2, 0x2;              // r3 = threadIdx.x * 4 (int* pointer math)
SHR.U32 R4, R2, 0x1e;           // r4 = threadIdx.x[31:30] to make 64-bit offset in R3/R4
IADD R6.CC, R3, c[0x0][0x20];   // add a constant (parameter 0 - lower 32-bits)
IADD.X R7, R4, c[0x0][0x24];    // add a constant (parameter 0 - upper 32-bits)
LD.E R0, [R6];                  // load the 32-bit value from address R6/R7 into R0
STS [R3], R0;                   // store the 32-bit value in R0 into shared offset threadIdx.x * 4