CUDA程序编写具体参数设置

介绍了GPU的结构以及资源的控制要素（GPU硬件结构和程序具体参数设置_yu132563的专栏-CSDN博客）以及编程过程中的一些需要注意的问题（CUDA程序性能调优_yu132563的专栏-CSDN博客），下面就需要对程序进行具体参数的设置，让程序跑起来。

1、BlocksNum, ThreadsNumPerBlock的设置

BlocksNum和ThreadsNumPerBlock是执行kernel function时配置的值。这两个值通常都是经验求解，很难找到最优值。总体上来讲，这两个参数的设计主要通过下面两点进行考虑：

• ThreadsNumPerBlock受限于device property的MaxThreadsPerBlock，经验取值为512/1024。
• BlocksNum最大无限制，常见求解公式为：

2、ThreadNumPerBlock

对于ThreadNumPerBlock而言，其上限由硬件限制，有两个因素

• 一个是  MaxthreadsPerBlock
• 一个  MaxRegisterPerBlock/RegisterPerThread

 写好了Kernel后，其RegisterPerThread是固定值。该值由编译器确定，可由nvcc的--ptxas-options=-v得出。ThreadNumPerBlock通常取值是256/512/1024（经验而谈，值越大越好）。但有时预先选好的值达不到100% Occupancy，所以选取可以达到最高Occupancy的最大值。那么，什么是Occupancy？

Occupancy：一个SM上active warp 比上 该SM最大的active warps的数量的比值。Low Occupancy会导致较低的instruction issue effiency（参考1.4节所说的关于latency的定义），因为没有足够多的可用warp来掩盖互相依赖的instruction之间的延迟。所以我们需要尽可能让Occupancy更大。Occupancy分为两种【Theoretical Occupancy】和【Achieved Occupancy】。Achieved Occupancy受制于Theoretical Occupancy。

Theoretical Occupancy, ThreadsPerBlock与RegisterPerThread

首先，如何根据ThreadsPerBlock和RegisterPerThread计算Theoretical Occupancy？

• 假设预先设置ThreadsPerBlock，可以得到WarpPerBlock
• 计算  （注意整数相除，下取整）
• 计算  ，对比该值与MaxWarpsPerSM，是否达到100%

上述计算中，RegisterPerSM和RegisterPerThread都是常量。如未达到100%，则可以尝试更改ThreadsPerBlock看是否能达到更高Occupancy。

 Achieved Occupancy

 Achieved Occupancy无法高于Theoretical Occupancy，但有时会达不到理论值，具体如何见Achieved Occupancy。

 BlockNum

BlocksNum的取值则更有讲究，  ，我们只需要求解BlocksPerSM即可。因为GPU执行机制的原因，理论上BlocksPerSM可以很大。因为如果每个SM平均很多Blocks，但SM每次只能并发执行两个Block，那后面的Block会放到stream里等到前面的Block执行完毕才能被SM执行。但通常来说，在占满SM资源的情况下，BlocksPerSM越小越好。结合CUDA_1D_LOOP来看，BlocksPerSM越小，总的Block数量就少，每个thread所处理的任务量多，可以减少一些创建Block的资源开销，如shared memory的初始化。针对于一个SM最大可以【并发concurrently】执行多少个Block，有如下几个因素限制上限：

因此，我们取这三个值的最小值作为BlocksPerSM即可。

参考文献：

CUDA程序调优指南（三）：BlockNum和ThreadNumPerBlock - 知乎