※ 引述《jk21234 ( 1569 11 /47)》之銘言：
: ※ 引述《mself (mself)》之銘言：
: : 就我瞭解，SM 跟 block 有對應，但好像不是 1 對 1，
: : 數個 block 會一起在一個 SM 上輪流執行，
: 所以,SM和Block在"某個時段內,獨佔的1:1執行"
: 如果你覺得不容易理解,它還蠻接近一顆cpu執行多工的方式.
: 切換也應該是context switch.有同樣的缺點就是切換再怎麼頻繁,
: 對幾百MHZ的晶片來說,都是巨大的效能損失.....
: (如果我沒記錯,cuda文件有描述context switch部分...)
: 所以也不用擔心你在程式中使用不到16KB的shared memory.
來閒扯一下他背後的運作，就 GT200 系列來說
每個 SM 在 resource 允許的情況下，最多能同時保持 1,024 個 computing threads
且每次 SM 最多只允許抓取 8 個 blocks，且不能超過 resource limitation
每個 block 內會有許多許多 computing threads，在實際執行時，會動態切出 warps
每個 full warp 會有 32 個 computing threads，而 warp 是 SM 每次實際執行的單位
由於每個 SM 只有 8 個 SP（先不提 SFU），故需要以連續 4 個 cycles 來做
被排程（這個排程很接近RR，詳見 US Patent US2007/0214343A1）到之 warp 的
一道指令（通通都做同一道，可以把 warp 視為一個 SIMD group）。當這道指令做完
dispatch unit 會排下一個 warp 來執行（不一定是同一個），可以視為 fine-grain
multithreading。（ATi 的作法比較接近 coarse-grain）
根據用 OpenCL 測試的結果，每個 SM 上，大概要同時保持 512 個 threads
才能達到最好的效能。而在 GPU 中，context switch 的 overhead 比起 OS 低很多~~
因為 GPU 中利用非常龐大的 Register file 來 keep 所有 in-flight data，所以對
GPU 來說，context switch 只是切換一下用的 register set 就沒事了~~~
回到正題，shared memory 如果需求的量超過，是沒辦法被執行的，只能等到在 SM 中
的工作都做完，resource release 了才行~~~
: : 視 register 用量，以及 thread 數上限而定
: : 假設現在是 8 個 block 在 1 個 SM 上輪流執行
: : 是不是每個 block 只能有 2 KB shared memory 呢？
: : 還是說每個 block 都能用滿 16 KB，但不是正在執行的 block
: : 的 shared memory (context) 會 switch 到 global memory
: : 要執行時在 switch 回來呢？
--
--
: ※ 引述《mself (mself)》之銘言：
: : 就我瞭解，SM 跟 block 有對應，但好像不是 1 對 1，
: : 數個 block 會一起在一個 SM 上輪流執行，
: 所以,SM和Block在"某個時段內,獨佔的1:1執行"
: 如果你覺得不容易理解,它還蠻接近一顆cpu執行多工的方式.
: 切換也應該是context switch.有同樣的缺點就是切換再怎麼頻繁,
: 對幾百MHZ的晶片來說,都是巨大的效能損失.....
: (如果我沒記錯,cuda文件有描述context switch部分...)
: 所以也不用擔心你在程式中使用不到16KB的shared memory.
來閒扯一下他背後的運作，就 GT200 系列來說
每個 SM 在 resource 允許的情況下，最多能同時保持 1,024 個 computing threads
且每次 SM 最多只允許抓取 8 個 blocks，且不能超過 resource limitation
每個 block 內會有許多許多 computing threads，在實際執行時，會動態切出 warps
每個 full warp 會有 32 個 computing threads，而 warp 是 SM 每次實際執行的單位
由於每個 SM 只有 8 個 SP（先不提 SFU），故需要以連續 4 個 cycles 來做
被排程（這個排程很接近RR，詳見 US Patent US2007/0214343A1）到之 warp 的
一道指令（通通都做同一道，可以把 warp 視為一個 SIMD group）。當這道指令做完
dispatch unit 會排下一個 warp 來執行（不一定是同一個），可以視為 fine-grain
multithreading。（ATi 的作法比較接近 coarse-grain）
根據用 OpenCL 測試的結果，每個 SM 上，大概要同時保持 512 個 threads
才能達到最好的效能。而在 GPU 中，context switch 的 overhead 比起 OS 低很多~~
因為 GPU 中利用非常龐大的 Register file 來 keep 所有 in-flight data，所以對
GPU 來說，context switch 只是切換一下用的 register set 就沒事了~~~
回到正題，shared memory 如果需求的量超過，是沒辦法被執行的，只能等到在 SM 中
的工作都做完，resource release 了才行~~~
: : 視 register 用量，以及 thread 數上限而定
: : 假設現在是 8 個 block 在 1 個 SM 上輪流執行
: : 是不是每個 block 只能有 2 KB shared memory 呢？
: : 還是說每個 block 都能用滿 16 KB，但不是正在執行的 block
: : 的 shared memory (context) 會 switch 到 global memory
: : 要執行時在 switch 回來呢？
--
--
All Comments