创建 CUDA 上下文的差异

我有一个使用三个内核的程序。为了获得加速，我做了一个虚拟内存复制来创建一个上下文，如下所示：

__global__ void warmStart(int* f)
{
    *f = 0;
}

它是在内核之前启动的，我想按如下方式计时：

int *dFlag = NULL;
cudaMalloc( (void**)&dFlag, sizeof(int) );
warmStart<<<1, 1>>>(dFlag);
Check_CUDA_Error("warmStart kernel");

我还阅读了创建上下文的其他最简单的方法，例如cudaFree(0) or cudaDevicesynchronize()。但使用这些 API 调用会比使用虚拟内核带来更糟糕的时间。

强制上下文后，程序的执行时间为0.000031虚拟内核的秒数和0.000064cudaDeviceSynchronize() 和 cudaFree(0) 的秒数。时间是程序 10 次单独执行的平均值。

因此，我得出的结论是，启动内核会初始化以规范方式创建上下文时未初始化的内容。

那么，使用内核和使用 API 调用这两种方式创建上下文有什么区别？

我在 GTX480 上运行测试，在 Linux 下使用 CUDA 4.0。

每个 CUDA 上下文都有执行内核所需的内存分配，但不需要分配这些内存来同步、分配内存或释放内存。上下文内存的初始分配和这些分配的大小调整将被推迟，直到内核需要这些资源为止。这些分配的示例包括本地内存缓冲区、设备堆和 printf 堆。