Memory NVPROF报告的交易指标究竟是什么？

我试图弄清楚“nvprof”报告的每一个指标到底是什么。更具体地说，我无法确定哪些事务是系统内存和设备内存读写。我写了一个非常基本的代码来帮助解决这个问题

#define TYPE float
#define BDIMX 16
#define BDIMY 16
#include <cuda.h>
#include <cstdio>
#include <iostream>
__global__ void kernel(TYPE *g_output, TYPE *g_input, const int dimx, const int dimy)
{
__shared__ float s_data[BDIMY][BDIMX];
  int ix = blockIdx.x * blockDim.x + threadIdx.x;
  int iy = blockIdx.y * blockDim.y + threadIdx.y;
  int in_idx = iy * dimx + ix; // index for reading input
  int tx = threadIdx.x; // thread’s x-index into corresponding shared memory tile  
  int ty = threadIdx.y; // thread’s y-index into corresponding shared memory tile 
  s_data[ty][tx] = g_input[in_idx];
  __syncthreads();
  g_output[in_idx] = s_data[ty][tx] * 1.3;
  }


int main(){
  int size_x = 16, size_y = 16;
  dim3 numTB;
    numTB.x = (int)ceil((double)(size_x)/(double)BDIMX) ;
    numTB.y = (int)ceil((double)(size_y)/(double)BDIMY) ;
  dim3 tbSize; 
  tbSize.x = BDIMX;
  tbSize.y = BDIMY;
  float* a,* a_out;
  float *a_d = (float *) malloc(size_x * size_y * sizeof(TYPE));
  cudaMalloc((void**)&a,     size_x * size_y * sizeof(TYPE));
  cudaMalloc((void**)&a_out, size_x * size_y * sizeof(TYPE));
  for(int index = 0; index < size_x * size_y; index++){
      a_d[index] = index;
   }
  cudaMemcpy(a, a_d, size_x * size_y * sizeof(TYPE), cudaMemcpyHostToDevice);
  kernel <<<numTB, tbSize>>>(a_out, a, size_x, size_y);
  cudaDeviceSynchronize();
  return 0;
}

我了解共享和全局访问。全局访问是合并的，因为有8个扭曲，所以有8个事务。

---

但我无法计算出系统内存和设备内存写入事务号

如果您有一个GPU内存层次结构模型，该模型同时包含逻辑和物理空间，例如一个

参考“概览选项卡”图：

gld_事务是指从以全局逻辑空间为目标的warp发出的事务。在图中，这是从左边的“内核”框到右边的“全局”框的一条线，逻辑数据的移动方向是从右到左

gst_交易指的是与上述相同的行，但逻辑上是从左到右。请注意，这些逻辑全局事务可以在缓存中命中，然后再也不会去任何地方。从度量的角度来看，这些事务类型只引用图表上的指示行

dram_write_事务指的是图中连接右边设备内存和二级缓存的那一行，逻辑数据流在这一行上是从左到右的。由于二级缓存线是32字节（而一级缓存线和全局事务的大小是128字节），因此设备内存事务也是32字节，而不是128字节。因此，通过L1（如果启用，则为直写缓存）和L2的全局写事务将生成4个dram_写事务。这应该可以解释40笔交易中的32笔

系统内存事务以零拷贝主机内存为目标。你好像没有，所以我无法解释

请注意，在某些情况下，对于某些GPU上的某些度量，当启动非常少量的线程块时，探查器可能会有一些“不准确”。例如，某些度量是在每个SM的基础上进行采样和缩放的。（但是，设备内存事务不在此类别中）。如果您在每个SM上做的工作不同（可能是因为启动了非常少的ThreadBlock），那么缩放可能会产生误导/不太准确。通常，如果启动的线程块数量较多，这些线程块通常会变得无关紧要

---

也可能有兴趣。

谢谢您的回答。这个数字有点帮助。但我仍然有一些问题。所以我不明白为什么这段代码有4个系统内存事务，其余的dram写事务来自哪里？这是一个非常直截了当的代码，所以我不希望有任何未知的事务！试图解释1扭曲的计数器是危险的。GPU有多个引擎和执行单元与着色器同时运行。随着计数器距离SM越来越远，过滤计数器的能力降低，您可以看到这些其他单位的增量。我建议启动1个扭曲的SM计数块和2个1个扭曲的SM计数块，并查看计数器是否相应缩放。

           Metric Name                        Metric Description         Min         Max         Avg
Device "Tesla K40c (0)"
  Kernel: kernel(float*, float*, int, int)
    local_load_transactions                   Local Load Transactions           0           0           0
   local_store_transactions                  Local Store Transactions           0           0           0
   shared_load_transactions                  Shared Load Transactions           8           8           8
  shared_store_transactions                 Shared Store Transactions           8           8           8
           gld_transactions                  Global Load Transactions           8           8           8
           gst_transactions                 Global Store Transactions           8           8           8
   sysmem_read_transactions           System Memory Read Transactions           0           0           0
  sysmem_write_transactions          System Memory Write Transactions           4           4           4
     tex_cache_transactions                Texture Cache Transactions           0           0           0
     dram_read_transactions           Device Memory Read Transactions           0           0           0
    dram_write_transactions          Device Memory Write Transactions          40          40          40
       l2_read_transactions                      L2 Read Transactions          70          70          70
      l2_write_transactions                     L2 Write Transactions          46          46          46