MindSpore:CUDA编程（三）线程层次机器学习深度学习

线程层次的概念：

文章图片

文章图片

简单说，就是一个grid有多个block,一个block有多个thread.grid有多大，用gridDim表示它有多少个block，具体分为gridDim.x, gridDim.y，gridDim.z。block有多大，用blockDim表示它有多少个thread，具体分为blockDim.x，blockDim.y，blockDim.z。怎么表示thread在block中的相对位置呢？用 threadIdx.x,threadIdx.y,threadIdx.z表示。怎么表示block在grid中的相对位置呢？用blockIdx.x,blockIdx.y,blockIdx.z表示。顺便解释下 https://bbs.huaweicloud.com/f... 中hello_from_gpu<<>>(); 中的x和y是什么意思？它们分别表示 gridDim和blockDim。对于下面这个函数：
MindSpore:CUDA编程（三）线程层次
文章图片

表示gridDim是1，表示grid有1个block，blockDim是4。表示block有4个thread。所以对于上面的核函数，相当于有4个thread分别执行了 c[n]=a[n]+b[n]的操作，n=threadIdx.x在调用的时候，所有的CUDA核都是执行同一个函数。这与CPU多线程可能会执行不同的任务不同。
MindSpore:CUDA编程（三）线程层次
文章图片

如上图所示，Thread在CUDA core中执行，Block在 SM中执行，Grid在Device中执行。那么，CUDA是如何执行的呢？看下面这张图：

文章图片

如果没有block的概念，要同时进行同步、通信、协作时，整体的核心都要产生等待的行为，如要进行扩展时，扩展的越多等待也越多。所以性能会受影响。但是有block的概念后，可以实现可扩展性。用block或warp就可以很容易实现扩展了。如何找到线程该处理的数据在哪里呢？这就要提到线程索引的概念。
MindSpore:CUDA编程（三）线程层次
文章图片

以上：假定每8个thread时一个block。具体的公式如下：具体的索引位置 index = blockDim.x * blockIdx.x + threadIdx.x

文章图片

那么一个CUDA程序到底应该怎么写呢？以将一个CPU实现的代码转换为GPU为例：
MindSpore:CUDA编程（三）线程层次
文章图片

CPU的实现过程大致如下：（1）主程序main：先分配源地址空间a,b，目的地址空间c，并生成a，b的随机数。然后调用一维矩阵加的CPU函数。（2）一维矩阵加的CPU函数：遍历a,b地址空间，分别将 a[i] 与 b[i]相加，写入 c[i]地址。这个时候，请注意是要显式地进行for循环遍历。
MindSpore:CUDA编程（三）线程层次
文章图片

那么，GPU该如何实现呢？（1）主程序main：因为GPU存在Host和Device内存，所以先申请host内存h_a,h_b，存放a，b的一维矩阵的内容（也可以生成随机数），并申请host内存h_c存放c的计算结果。然后申请device内存，这个时候，需要申请 d_a,d_b两个源device内存(cudaMalloc)，以及d_c这个目的device内存(cudaMalloc)。将h_a和h_b的内容拷贝到d_a和d_b (显然需要使用 cudaMemcpyHostToDevice)；然后调用核函数完成GPU的并行计算，结果写入h_c；最后将d_c的device内存写回到h_c(cudaMemcpyDeviceToHost)，并释放所有的host内存(使用free)和device内存（使用cudaFree)。（2）核函数这里就是重点了。核函数只需要去掉最外层的循环，并且根据前面的index写法，将i替换成index的写法即可。如何设置Gridsize和blocksize呢？对于一维的情况：block_size=128; grid_size = (N+ block_size-1)/block_size; （没有设成什么值是最好的）每个block可以申请多少个线程呢？总数也是1024。如（1024，1，1）或者（512，2，1）grid大小没有限制。底层是以warp为单位申请。如果blockDim为160，则正好申请5个warp。如果blockDim为161，则不得不申请6个warp。如果数据过大，线程不够用怎么办？这样子，每个线程需要处理多个数据。
MindSpore:CUDA编程（三）线程层次
文章图片

比如对于上图，线程0，需要处理 0,8,16,24 四个数据。核函数需要将每一个大块都跑一遍。代码如下：

文章图片

这里引入了一个stride的概念，它的大小为blockDim.x X gridDim.x 。核函数需要完成每个满足 index = index + stride * count对应的相关地址的计算。范例1：体验indexIndex_of_thread.cu#include
global void hello_from_gpu()
{
//仅仅是在原先代码的基础上打印 blockIdx.x 和 threadIdx.x

const int bid = blockIdx.x; const int tid = threadIdx.x; printf("Hello World from block %d and thread %d!\n", bid, tid);

}
int main(void)
{

hello_from_gpu<<<5, 5>>>(); //记得加上同步，不然结果会出不来。 cudaDeviceSynchronize(); return 0;

}
Makefile：TEST_SOURCE = Index_of_thread.cu
TARGETBIN := ./Index_of_thread
CC = /usr/local/cuda/bin/nvcc
$(TARGETBIN):$(TEST_SOURCE)

$(CC)$(TEST_SOURCE) -o $(TARGETBIN)

【MindSpore:CUDA编程（三）线程层次】.PHONY:clean
clean:

-rm -rf $(TARGETBIN)

编译并执行：

文章图片

范例2：完成一维向量计算：addvectorAdd.cu#include
include void global add(const double x, const double y, double *z, int count)
{

const int n = blockDim.x * blockIdx.x + threadIdx.x; //这里判断是防止溢出 if( n < count) { z[n] = x[n] + y[n]; }

}
void check(const double *z, const int N)
{

bool error = false; for (int n = 0; n < N; ++n) { //检查两个值是否相等，如不等则error=true. if (fabs(z[n] - 3) > (1.0e-10)) { error = true; } } printf("%s\n", error ? "Errors" : "Pass");

}
int main(void)
{

const int N = 1000; const int M = sizeof(double) * N; //分配host内存 double *h_x = (double*) malloc(M); double *h_y = (double*) malloc(M); double *h_z = (double*) malloc(M); //初始化一维向量的值 for (int n = 0; n < N; ++n) { h_x[n] = 1; h_y[n] = 2; }double *d_x, *d_y, *d_z; //分配device内存 cudaMalloc((void **)&d_x, M); cudaMalloc((void **)&d_y, M); cudaMalloc((void **)&d_z, M); //host->device cudaMemcpy(d_x, h_x, M, cudaMemcpyHostToDevice); cudaMemcpy(d_y, h_y, M, cudaMemcpyHostToDevice); //这个是公式。记住就可以了。 const int block_size = 128; const int grid_size = (N + block_size - 1) / block_size; //核函数计算 add<<>>(d_x, d_y, d_z, N); //device->host cudaMemcpy(h_z, d_z, M, cudaMemcpyDeviceToHost); //检查结果 check(h_z, N); //释放host内存 free(h_x); free(h_y); free(h_z); //释放device内存 cudaFree(d_x); cudaFree(d_y); cudaFree(d_z); return 0;

}Makefile-addTEST_SOURCE = vectorAdd.cu
TARGETBIN := ./vectorAdd
CC = /usr/local/cuda/bin/nvcc
$(TARGETBIN):$(TEST_SOURCE)