c - CUDA中CGMA的计算

我对CGMA的计算感到困惑。我知道CGMA=操作的CGMA/内存获取的CGMA。首先，当x = g_A[idx]时，我应该将写操作计数为x还是忽略它，因为它存储在寄存器中？同样地，在计算CGMA时，我是否应该将读取的z = (x*y) + (y/x) + (y-x);和x计算为内存读取？最后，我是否应该计算内核函数中的所有操作（这五行）？

__global__ void PerformSomeOperations(int* g_A,int* g_B,int* g_C, int Size)
{
    const int idx = threadIdx.x + (blockIdx.x*blockDim.x);
    if(idx < Size)
    {
        int x = g_A[idx];
        int y = g_B[idx];
        int z = 0;
        z = (x*y) + (y/x) + (y-x);
        g_C[idx] = z;
    }
}

最佳答案

看起来CGMA代表计算到全局内存访问，定义为
为每个对全局内存的访问执行的浮点计算
CUDA程序的区域。
计算比率的最佳方法是在CUDA分析器中运行程序，并使用性能计数器进行内存访问和浮点操作。根据我找到的定义，内核的CGMA为零，因为它执行整数运算，而不是浮点运算。如果更改定义，则x = g_A[idx]是一个读操作，而不是写操作。这是因为寄存器文件没有存储在全局内存中（CGMA中的“G”）。z = (x*y) + (y/x) + (y-x);中没有全局内存读取，因此将其计为5个操作。如果所有线程都使用idx < Size运行，那么您有3个全局内存访问和8个操作。不过，请注意，在CUDA中，全局内存访问的性能取决于它们是否合并。许多合并的内存访问可以比一些未合并的内存访问运行得快得多。因此，CGMA不一定会给出内核性能潜力的准确图片。
参考文献：
http://www.greatlakesconsortium.org/events/GPUMulticore/Chapter4-CudaMemoryModel.pdf
http://cs.nyu.edu/courses/spring12/CSCI-GA.3033-012/lecture6.pdf

关于c - CUDA中CGMA的计算，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/19372588/