これは実際にはうまくいきますので、スレッド内のデバイスに動的にメモリを割り当てているのでしょうか?もしそうなら、__device__ malloc
の使用は何よりもはるかに高速ですから?私はカーネルでcudaMallocを使用するときにシーンの背後に本当に何が起こっているのかを尋ねています。ヒープ上のデバイスmallocよりもはるかに速く見えるからです。デバイス内でcudaMallocを呼び出すと実際に何が起こりますか?
#include <iostream>
#include <numeric>
#include <stdlib.h>
__global__ void testMem(int* time){
int* a;
cudaMalloc(&a,sizeof(int));
a[0] = 4;
time = a[0];
}
__global__ void testMem2(int* time){
}
int main(){
int* h_time = (int*)malloc(sizeof(int));
h_time[0] =0;
int* d_time;
cudaMalloc(&d_time,sizeof(int));
clock_t start1 = clock();
cudaMemcpy(d_time,h_time,sizeof(int),cudaMemcpyHostToDevice);
testMem<<<1,1>>>(d_time);
cudaMemcpy(h_time,d_time,sizeof(int),cudaMemcpyDeviceToHost);
cudaDeviceSynchronize();
clock_t end1 = clock();
int result = end1- start1;
//float result = (float)*h_time;
//result =result/ CLOCKS_PER_SEC;
std::cout<<result<<std::endl;
std::cout<<*h_time<<std::endl;
//std::cout<<(1<<10);
cudaFree(d_time);
free(h_time);
}
カーネル内で呼び出されたときにcudaMallocがどのように実装されているかはどこにでもわかりますか?すべてのmalloc関数を切り替える前に、それをよく知りたいです。 –
@RockyZhang、まあ、これはcudadevrtの内部実装の一部だと思います。トピックに関する詳細が必要な場合は、開発者として登録し、NVIDIAに直接質問することができます。しかし、私の意見では、これは話題外です。 –