CUDA 程式設計(2) -- SIMT概觀

文章取自PTT videcard版 作者:a5000ml

※ 第二章 SIMT 概觀 ※

所謂 SIMT (single instruction multi threads) 指的是單一指令對應多執行緒的計算機架構,利用硬體的 thread 來隱藏 I/O 的延遲 (效果有點類似之前 Intel 的hyper-threading,不過那不是 single instruction),nVidia 進一步地讓這些執行緒可由程式控制,用群組的方式讓一堆執行緒執行相同的指令,並利用超多核心來強化它(例如 8800 GTX 有 128 顆、GTX280 有 240 顆)。

簡而言之,它是把超級電腦的平行架構,濃縮到單晶片中,所以產生這樣的效能(例如我實驗室裡的 kernel,在 GTX280上跑的效能是 Intel Q9300 的 30 多倍,這測量的時間是實際跑完的時間,用 CPU 的高精度 timer 測量出來的,對照的是用intel 自家的 compiler 進行 SSE3 最佳化過的)。

不過剛開始進入這多執行緒的模型,還真的有點不太習慣哩。

◆ CUDA 的平行化程式設計模型

名詞定義
        網格(Grid)    :包含數個區塊的執行單元
        區塊(Block)   :包含數個執行緒的執行單元
        執行緒(Thread):最小的處理單元 (實際寫程式的環境)

CUDA 的平行化模型是將核心交由一組網格執行,再將網格切成數個區塊,然後每個區塊
再分成數個執行緒,依次分發進行平行運算。

◆ 內建變數

我們可以透過內建變數來辨識每個執行緒
基本的內建變數如下,它們只可以使用在 kernel 的程式碼中:

        uint3 gridDim  :網格大小   (網格包含的區塊數目)
        uint3 blockIdx :區塊索引   (區塊的ID)
        uint3 blockDim :區塊大小   (每個區塊包含的執行緒數目)
        uint3 threadIdx:執行緒索引 (執行緒的ID)

其中 uint3 為 3D 的正整數型態

       struct uint3{
                unsigned int x;
                unsigned int y;
                unsigned int z;
       };
另外還有
       struct dim3{
                int x;
                int y;
                int z;
       };

可以運用它來實做更高層次的平行運算結構,不過現階段,先不要管這種複雜的結構,
把它當成單一正整數即可,也就是 y 和 z 都當成是 1,只用 uint3 的 x。

◆ 網格 & 區塊大小 (gridDim, blockDim)

CUDA 透過指定網格和區塊的大小形成平行化的程式陣列,總執行緒數目為網格大小和區塊大小的乘積,而 gridDim, blockDim 這兩個變數在 kernel 函式中為內建的唯讀變數,可直接讀取

        總執行緒數目 = 網格大小(gridDim) x 區塊大小(blockDim)

例如下圖為 (網格大小=3, 區塊大小=4) 所形成的核心,它具有 12 個獨立的執行緒
       +------------+-----------+-----------------------+
        |                |                | thread 0   (id  0) |
        |                |                +----------------------+
        |                |                | thread 1   (id  1) |
        |                |  block 0 +----------------------+
        |                |                | thread 2   (id  2) |
        |                |                +----------------------+
        |                |                | thread 3   (id  3) |
        |                +-----------+----------------------+
        |                |                | thread 0   (id  4) |
        |                |                +---------------------+
        |                |                | thread 1   (id  5) |
        |  grid       |  block 1  +---------------------+
        | (kernel)  |                | thread 2   (id  6) |
        |                |                +---------------------+
        |                |                | thread 3   (id  7) |
        |                +-----------+----------------------+
        |                |                | thread 0   (id  8) |
        |                |                +---------------------+
        |                |                | thread 1   (id  9) |
        |                |  block 2 +----------------------+
        |                |               | thread 2   (id 10) |
        |                |               +----------------------+
        |                |               | thread 3   (id 11) |
        +-----------+-----------+-----------------------+
        (圖二)
◆ 呼叫 kernel 的語法

在 CUDA 中呼叫 kernel 函式的語法和呼叫一般 C 函式並沒什麼太大的差異,
只是多了延伸的語法來指定網格和區塊大小而已:

        kernel_name <<>> (arg1, arg2, ...);
        ^^^^^^^^^^^     ^^^^^   ^^^^^^      ^^^^^^^^^^^^^^^
        核心函式名   網格大小   區塊大小    函式要傳的引數(和C相同)

        所以只是多了 <<>> 指定大小而已 ^^y

其中 gridDim 和 blockDim 可以是固定數字或動態變數,例如

    (1) 固定數字
        ooxx_kernel<<<123,32>>>(result, in1, in2);

    (2) 動態變數
        int grid  = some_function_g(); //計算網格大小
        int block = some_function_b(); //計算區塊大小
        ooxx_kernel<<>>(result, in1, in2);


◆ 區塊 & 執行緒索引 (blockIdx, threadIdx)

我們可以用區塊和執行緒索引來定出正在執行的程式位置,以決定該載入什麼樣的資料,而 blockIdx, threadIdx 這兩個變數和 gridDim, blockDim 一樣,在 kernel 中也是內建的唯讀變數,可直接讀取

例如在(圖二)中,我們要定出每一個小兵的唯一的 ID,可用下面這段程式碼

        int id = blockIdx.x*blockDim.x + threadIdx.x;

要產生(圖二)配置的 kernel 呼叫為

        kernel<<<3,4>>>(arguments);

其行為如下
(1) 傳入的網格和區塊大小為 1D 正整數,所以 uint3 中只有 x 有用到,其它 y=z=1
(2) 網格大小   gridDim.x   = 3       (每個網格包含 3 個區塊)
(3) 區塊大小   blockDim.x  = 4       (每個區塊包含 4 個執行緒)
(4) 區塊索引   blockIdx.x  = 0,1,2   (每個 thread 看到的不一樣)
(5) 執行緒索引 threadIdx.x = 0,1,2,3 (每個 thread 看到的不一樣)
(6) 區塊基底   blockIdx.x*blockDim.x = 0,4,8
(7) 區塊基底加上執行緒索引  id = blockIdx.x*blockDim.x + threadIdx.x
    = 0,1,2,3,  4,5,6,7,  8,9,10,11

所以我們便可得到一個全域的索引,即每一個小兵的唯一的 ID (圖二中的 id 欄)。

◆ kernel 函式的語法

用 CUDA 寫 kernel 函式寫一般 C 函式也是沒什麼太大的差異,只是多了延伸語法來
加入一些特殊功能,並且標明這個函式是 kernel 而已:

        __global__ void kernel_name(type1 arg1, type2 arg2, ...){
                ...函式內容...
        };

其中
(1) __global__  : 標明這是 kernel 的延伸語法
(2) void        : kernel 傳回值只能是 void (要傳東西出來請透過引數)
(3) kernel_name : 函式名稱
(4) type1 arg1, type2 arg2, ... : 函式引數 (和 C 完全相同)
(5) 函式內容    : 跟寫 C 或 C++ 一樣 (但不能夠呼叫主機函式)
(6) global 函式只能在 host 函式中呼叫,不能在其它 global 中呼叫。

◆ 小結
以上是 CUDA 平行化程式設計的概觀,和傳統 C/C++ 的差異便是它這種的 SIMT 結構,
也許你會覺得奇怪,為什麼要分成兩層的 grid/block 結構,直接一層就配多個 thread
不是更簡單,這牽涉到它硬體上的細節以及成本問題(後面章節會解釋),再者單層結構
不見得有效率,會增加同步化時執行緒等待的問題,使用兩層結構,可以使 block 單元
彈性的選擇同時或者循序執行,增加往後硬體發展和軟體重用的彈性。

沒有留言:

張貼留言