您的情况下正确的转换不是 GHz:
fprintf(stdout, "%d:%ld=%f(ms)\n", i,runtime[i], (runtime[i]/1.62)*1000.0);
^^^^
但是赫兹:
fprintf(stdout, "%d:%ld=%f(ms)\n", i,runtime[i], (runtime[i]/1620000000.0f)*1000.0);
^^^^^^^^^^^^^
在维度分析中:
clock cycles
clock cycles / -------------- = seconds
second
第一项是时钟周期测量。第二项是 GPU 的频率(以赫兹为单位,而不是 GHz),第三项是所需的测量值(秒)。您可以通过将秒乘以 1000 来转换为毫秒。
这是一个有效的示例,展示了一种独立于设备的方法(因此您不必对时钟频率进行硬编码):
$ cat t1306.cu
#include <stdio.h>
const long long delay_time = 1000000000;
const int nthr = 1;
const int nTPB = 256;
__global__ void kernel(long long *clocks){
int idx=threadIdx.x+blockDim.x*blockIdx.x;
long long start=clock64();
while (clock64() < start+delay_time);
if (idx < nthr) clocks[idx] = clock64()-start;
}
int main(){
int peak_clk = 1;
int device = 0;
long long *clock_data;
long long *host_data;
host_data = (long long *)malloc(nthr*sizeof(long long));
cudaError_t err = cudaDeviceGetAttribute(&peak_clk, cudaDevAttrClockRate, device);
if (err != cudaSuccess) {printf("cuda err: %d at line %d\n", (int)err, __LINE__); return 1;}
err = cudaMalloc(&clock_data, nthr*sizeof(long long));
if (err != cudaSuccess) {printf("cuda err: %d at line %d\n", (int)err, __LINE__); return 1;}
kernel<<<(nthr+nTPB-1)/nTPB, nTPB>>>(clock_data);
err = cudaMemcpy(host_data, clock_data, nthr*sizeof(long long), cudaMemcpyDeviceToHost);
if (err != cudaSuccess) {printf("cuda err: %d at line %d\n", (int)err, __LINE__); return 1;}
printf("delay clock cycles: %ld, measured clock cycles: %ld, peak clock rate: %dkHz, elapsed time: %fms\n", delay_time, host_data[0], peak_clk, host_data[0]/(float)peak_clk);
return 0;
}
$ nvcc -arch=sm_35 -o t1306 t1306.cu
$ ./t1306
delay clock cycles: 1000000000, measured clock cycles: 1000000210, peak clock rate: 732000kHz, elapsed time: 1366.120483ms
$
这使用cudaDeviceGetAttribute http://docs.nvidia.com/cuda/cuda-runtime-api/group__CUDART__DEVICE.html#group__CUDART__DEVICE_1gb22e8256592b836df9a9cc36c9db7151获取时钟速率,它返回以 kHz 为单位的结果,这使我们能够在这种情况下轻松计算毫秒。
根据我的经验,上述方法通常适用于时钟频率以报告速率运行的数据中心 GPU(可能会受到您在nvidia-smi
.)其他 GPU(例如 GeForce GPU)可能以(不可预测的)升压时钟运行,这将使该方法不准确。
此外,最近,CUDA 能够抢占 GPU 上的活动。这可以在多种情况下发生,例如调试、CUDA 动态并行性和其他情况。如果由于某种原因发生抢占,则尝试根据clock64()
一般是不可靠的。