CUDA學習筆記之 CUDA存儲器模型

標簽： cuda存儲bindingcache編程api 2010-12-14 01:33 1223人閱讀 評論(0) 收藏 舉報 分類： CUDA（26） GPU片內：register，shared memory； 板載顯存：local memory,constant memory, texture memory, texture memory,global memory; host 內存： host memory, pinned memory.

CUDA存儲器模型：

GPU片內：register，shared memory；

板載顯存：local memory,constant memory, texture memory, texture memory,global memory;

host 內存： host memory, pinned memory.

register: 訪問延遲極低；

????????????? 基本單元：register file （32bit/each）

????????????? 計算能力1.0/1.1版本硬件：8192/SM；

????????????? 計算能力1.2/1.3版本硬件： 16384/SM;

????????????? 每個線程占有的register有限，編程時不要為其分配過多私有變量；

local memory：寄存器被使用完畢，數據將被存儲在局部存儲器中；

???????????????????? 大型結構體或者數組；

???????????????????? 無法確定大小的數組；

???????????????????? 線程的輸入和中間變量；

???????????????????? 定義線程私有數組的同時進行初始化的數組被分配在寄存器中；

shared memory：訪問速度與寄存器相似；

???????????????????????? 實現線程間通信的延遲最小；

???????????????????????? 保存公用的計數器或者block的公用結果；

????????????????????????? 硬件1.0~1.3中，16KByte/SM,被組織為16個bank；

????????????????????????? 聲明關鍵字 _shared_? int sdata_static[16];

global memory:存在于顯存中，也稱為線性內存（顯存可以被定義為線性存儲器或者CUDA數組）；

????????????????????? cudaMalloc（）函數分配，cudaFree（）函數釋放，cudaMemcpy（）進行主機端與設備端的數據傳輸；

????????????????????? 初始化共享存儲器需要調用cudaMemset（）；

????????????????????? 二維三維數組：cudaMallocPitch（）和cudaMalloc3D（）分配線性存儲空間，可以確保分配滿足對齊要求；

????????????????????? cudaMemcpy2D（），cudaMemcpy3D（）與設備端存儲器進行拷貝；

host內存：分為pageable memory 和 pinned memory

pageable memory： 通過操作系統API（malloc（），new（））分配的存儲器空間；、

pinned memory：始終存在于物理內存中，不會被分配到低速的虛擬內存中，能夠通過DMA加速與設備端進行通信；

???????????????????????? cudaHostAlloc(), cudaFreeHost()來分配和釋放pinned memory；

???????????????????????? 使用pinned memory優點：主機端-設備端的數據傳輸帶寬高；

???????????????????????????????????????????????????????????? 某些設備上可以通過zero-copy功能映射到設備地址空間，從GPU直接訪問，省掉主存與顯存間進行數據拷貝的工作；

???????????????????????? pinned memory 不可以分配過多：導致操作系統用于分頁的物理內存變， 導致系統整體性能下降；通常由哪個cpu線程分配，就只有這個線程才有訪問權限；

???????????????????????? cuda2.3版本中，pinned memory功能擴充：

?????????????????????????????????????????????? portable memory：讓控制不同GPU的主機端線程操作同一塊portable memory，實現cpu線程間通信；使用cudaHostAlloc（）分配頁鎖定內存時，加上cudaHostAllocPortable標志；

???????????????????????????????????????????????? write-combined Memory：提高從cpu向GPU單向傳輸數據的速度；不使用cpu的L1，L2 cache對一塊pinned memory中的數據進行緩沖，將cache資源留給其他程序使用；在pci-e總線傳輸期間不會被來自cpu的監視打斷；在調用cudaHostAlloc（）時加上cudaHostAllocWriteCombined標志；cpu從這種存儲器上讀取的速度很低；

??????????????????????????????????????????????? mapped memory：兩個地址：主機端地址（內存地址），設備端地址（顯存地址）。? 可以在kernnel程序中直接訪問mapped memory中的數據，不必在內存和顯存之間進行數據拷貝，即zero-copy功能；在主機端可以由cudaHostAlloc（）函數獲得，在設備端指針可以通過cudaHostGetDevicePointer（）獲得；通過cudaGetDeviceProperties（）函數返回的canMapHostMemory屬性知道設備是否支持mapped memory；在調用cudaHostAlloc（）時加上cudaHostMapped標志，將pinned memory映射到設備地址空間；必須使用同步來保證cpu和GPu對同一塊存儲器操作的順序一致性；顯存中的一部分可以既是portable memory又是mapped memory；在執行CUDA操作前，先調用cudaSetDeviceFlags（）（加cudaDeviceMapHost標志）進行頁鎖定內存映射。

constant memory：只讀地址空間；位于顯存，有緩存加速；64Kb；用于存儲需要頻繁訪問的只讀參數 ；只讀；使用_constant_ 關鍵字，定義在所有函數之外；兩種常數存儲器的使用方法：直接在定義時初始化常數存儲器；定義一個constant數組，然后使用函數進行賦值；

texture memory：只讀；不是一塊專門的存儲器，而是牽涉到顯存、兩級紋理緩存、紋理拾取單元的紋理流水線；數據常以一維、二維或者三維數組的形式存儲在顯存中；緩存加速；可以聲明大小比常數存儲器大得多；適合實現圖像樹立和查找表；對大量數據的隨機訪問或非對齊訪問有良好的加速效果；在kernel中訪問紋理存儲器的操作成為紋理拾取（texture fetching）；紋理拾取使用的坐標與數據在顯存中的位置可以不同，通過紋理參照系約定二者的映射方式；將顯存中的數據與紋理參照系關聯的操作，稱為將數據與紋理綁定（texture binding）；顯存中可以綁定到紋理的數據有：普通線性存儲器和cuda數組；存在緩存機制；可以設定濾波模式，尋址模式等；

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的CUDA学习笔记之 CUDA存储器模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。