'Programming' 카테고리의 글 목록 (160 Page)

'Programming'에 해당되는 글 1747건

2011.02.05 openMP
2011.01.26 CUDA driver API / runtime API
2011.01.26 SLI에 대한 CUDA의 제한(과거에는 그랬다더라~)
2011.01.24 cuBLAS / BLAS Level 1,2,3
2011.01.22 CUDA 관련 해외글
2011.01.18 CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 2
2011.01.18 CUDA 3.1과 3.2의 devicequery 결과 차이점
2011.01.18 vectorAdd 를 이용한 CUDA 연습
2011.01.17 CUDA 메모리별 범위(scope)
2011.01.16 CUDA 내장변수 - built in variable

openMP 문서들 (0)	2012.06.18
openmp for문 나누기 (0)	2012.06.18
libgomp 공식 사이트 / 문서 (0)	2012.06.10
우분투에서 openMP 예제 (0)	2012.06.09
openMP / gcc -fopenmp (0)	2012.06.09

CUDA 4.0 RC (4)	2011.03.02
CUDA - Multi GPU 프로그래밍 (1)	2011.02.05
SLI에 대한 CUDA의 제한(과거에는 그랬다더라~) (0)	2011.01.26
cuBLAS / BLAS Level 1,2,3 (0)	2011.01.24
CUDA 관련 해외글 (0)	2011.01.22

SLI에 대한 CUDA의 제한(과거에는 그랬다더라~)

과거에는 CUDA 드라이버가 SLI 사용시에는 첫 GPU만 보이도록 제한되어 있었는데 이제는 그러한 제한이 풀렸다.

라는 이야기 -_-

일단 공식 내용은 발견못했으니 카더라 통신으로 일단 만족.

In the past, the CUDA driver had a limitation and would only show you the first GPU if you had SLI enabled. That restriction has been removed, and now you will see both devices even if SLI is turned on. SLI is only beneficial to 3D rendering.

[링크 : http://forums.nvidia.com/index.php?showtopic=186498]

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA - Multi GPU 프로그래밍 (1)	2011.02.05
CUDA driver API / runtime API (0)	2011.01.26
cuBLAS / BLAS Level 1,2,3 (0)	2011.01.24
CUDA 관련 해외글 (0)	2011.01.22
CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 (2)	2011.01.18

Posted by 구차니

cuBLAS / BLAS Level 1,2,3

cuda kernel만 보다가 머리가 아파서 잠시 BLAS로 외도

FFT도 잠시 보다가 외계어에서 좌절 OTL

CUBLAS_Library_3.1.pdf 을 읽다 보니, BLAS에도 레벨이 있다고 한다.

Level 1 Basic Linear Algebra Subprograms (BLAS1)

are functions that perform scalar, vector, and vector‐vector operations.

The Level 2 Basic Linear Algebra Subprograms (BLAS2) are functions that perform matrix‐vector operations.

Level 3 Basic Linear Algebra Subprograms (BLAS3) perform matrix‐matrix operations.

혹시나 해서 CUDA에서만 적용되는 건가 해서 찾아 봤더니 원래 BLAS에 있는 개념이다.

[링크 : http://en.wikipedia.org/wiki/Basic_Linear_Algebra_Subprograms]

[링크 : http://www.netlib.org/blas/faq.html]

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA driver API / runtime API (0)	2011.01.26
SLI에 대한 CUDA의 제한(과거에는 그랬다더라~) (0)	2011.01.26
CUDA 관련 해외글 (0)	2011.01.22
CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 (2)	2011.01.18
CUDA 3.1과 3.2의 devicequery 결과 차이점 (0)	2011.01.18

Posted by 구차니

CUDA 관련 해외글

CUDA를 보면서 헷갈리는 것은

nvidia의 문서라고 해도 버전에 따라서 용어가 혼용이 되어있기 때문이다.

현재로서 가장 혼동을 일으키는 용어는 바로 grid / block / thread 이다.

DeiveQurey 프로그램에서 주는 값들 중, 위의 녀석들의 Dimension(차수)이 바로 범인인데..

여러가지 프리젠테이션들과 문서들을 조합할수록 불일치가 발생을 해서 머리를 아프게 한다.

아무튼 Grid는 Block들로 구성되므로, Grid의 최대 차수는

Block의 차수를 의미하고, Block은 2차원 내지는 1차원으로만 구성이 된다.

그리고 Block은 65535x65535x1 개 까지 구성이 가능하다.

개별 Block은 thread로 구성이 되며, 블럭은 개별 MultiProcessor에 제한된다.

8800GT의 경우 1개의 MP에 512개의 Thread 들이 존재하며,

그런 이유로 3차원으로 구성을 한다고 해도 x*y*z의 곱은 512를 넘을수 없다.

(물론 상위 버전은 768까지 제한이 조금 커진다)

다시 정리하자면

Maximum number of threads per block: 512

Maximum sizes of each dimension of a block: 512 x 512 x 64

위의 값은, 블럭의 최대 차수는 3차원으로 512*512*64 이지만

세 차수의 곱이 512를 넘을수는 없다라는 의미이다.

Maximum sizes of each dimension of a grid: 65535 x 65535 x 1

block은 2차원으로 65535x65535를 넘을 수 없다는 의미이다.

[링크 : http://llpanorama.wordpress.com/2008/06/11/threads-and-blocks-and-grids-oh-my/]

[링크 : http://llpanorama.wordpress.com/2008/05/21/my-first-cuda-program/]

[링크 : http://stackoverflow.com/questions/2392250/...]

'Programming > openCL & CUDA' 카테고리의 다른 글

SLI에 대한 CUDA의 제한(과거에는 그랬다더라~) (0)	2011.01.26
cuBLAS / BLAS Level 1,2,3 (0)	2011.01.24
CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 (2)	2011.01.18
CUDA 3.1과 3.2의 devicequery 결과 차이점 (0)	2011.01.18
vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18

Posted by 구차니

CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각

DeviceQuery 프로그램을 실행하면 다음과 같은 내용이 나온다.

Maximum sizes of each dimension of a block: 512 x 512 x 64

Maximum sizes of each dimension of a grid: 65535 x 65535 x 1

블럭의 차원은 512x512x64 3차원으로 구성이 가능하고

그리드의 차원은 65535x65535x1 2차원으로 구성이 가능하다.

여전히 그리드와 블럭 쓰레드, 이러한 연관관계가 확실히 정립된게 아니라 헷갈리지만

kernel<<<block,thread>>>(agrs) 에서

그리드의 차원은 block 이고

블럭의 차원은 thread 인거 같은데(아무래도 차수가 제한된게 같으니까)

실제로 존재하는 쓰레드의 갯수라던가, 멀티프로세서의 갯수를 감안하면 절대 불가능한 수치이다.

8800GT의 경우

14개의 멀티프로세서와 개당 8개씩의 코어(쓰레드 블럭)이 존재함으로

총 112개의 쓰레드 블럭이 존재하기 때문에

물리적으로는 블럭의 차원은 14x8x1 정도가 한계라고 볼 수 있다.

하지만, 논리적으로는 한번의 처리단위가 14x8x1 이므로

X/Y/Z 차원으로 n번씩 반복하게 되면 돌릴수 있게 되고 이럴경우

X차원으로는 37번

Y차원으로 64번

Z차원으로 64번 이런식으로 더 반복하게 하면 무리없이 가능하다.

내부적으로 BlockIdx 라는 변수만 thread block 에서 값만 바꾸어서 넘겨주면 되니까 말이다.

결론 : 위에서 명시되는 최대차원은 논리적으로 제한을 둔 값으로 생각된다.

'Programming > openCL & CUDA' 카테고리의 다른 글

cuBLAS / BLAS Level 1,2,3 (0)	2011.01.24
CUDA 관련 해외글 (0)	2011.01.22
CUDA 3.1과 3.2의 devicequery 결과 차이점 (0)	2011.01.18
vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18
CUDA 메모리별 범위(scope) (0)	2011.01.17

Posted by 구차니

CUDA 3.1과 3.2의 devicequery 결과 차이점

별건없고, 멀티프로세서와 core의 출력방식이 변경되었다.

CUDA SDK 3.1

D:\CUDA\NVIDIA GPU Computing SDK\C\bin\win32\Release\deviceQuery.exe Starting...

CUDA Device Query (Runtime API) version (CUDART static linking)

There are 2 devices supporting CUDA

Device 0: "GeForce 8800 GT"

CUDA Driver Version: 3.20

CUDA Runtime Version: 3.10

CUDA Capability Major revision number: 1

CUDA Capability Minor revision number: 1

Total amount of global memory: 536543232 bytes

Number of multiprocessors: 14

Number of cores: 112

Total amount of constant memory: 65536 bytes

Total amount of shared memory per block: 16384 bytes

Total number of registers available per block: 8192

Warp size: 32

Maximum number of threads per block: 512

Maximum sizes of each dimension of a block: 512 x 512 x 64

Maximum sizes of each dimension of a grid: 65535 x 65535 x 1

Maximum memory pitch: 2147483647 bytes

Texture alignment: 256 bytes

Clock rate: 1.50 GHz

Concurrent copy and execution: Yes

Run time limit on kernels: Yes

Integrated: No

Support host page-locked memory mapping: Yes

Compute mode: Default

(multiple host threads can use this device simultaneously)

Concurrent kernel execution: No

Device has ECC support enabled: No

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 3.20, CUDA Runtime Vers

ion = 3.10, NumDevs = 2, Device = GeForce 8800 GT, Device = GeForce 8800 GT

PASSED

Press <Enter> to Quit...

-----------------------------------------------------------

CUDA SDK 3.2

D:\CUDA\NVIDIA GPU Computing SDK 3.2\C\bin\win32\Release\deviceQuery.exe Starting...

CUDA Device Query (Runtime API) version (CUDART static linking)

There are 2 devices supporting CUDA

Device 0: "GeForce 8800 GT"

CUDA Driver Version: 3.20

CUDA Runtime Version: 3.20

CUDA Capability Major/Minor version number: 1.1

Total amount of global memory: 536543232 bytes

Multiprocessors x Cores/MP = Cores: 14 (MP) x 8 (Cores/MP) = 112 (Cores)

Total amount of constant memory: 65536 bytes

Total amount of shared memory per block: 16384 bytes

Total number of registers available per block: 8192

Warp size: 32

Maximum number of threads per block: 512

Maximum sizes of each dimension of a block: 512 x 512 x 64

Maximum sizes of each dimension of a grid: 65535 x 65535 x 1

Maximum memory pitch: 2147483647 bytes

Texture alignment: 256 bytes

Clock rate: 1.50 GHz

Concurrent copy and execution: Yes

Run time limit on kernels: Yes

Integrated: No

Support host page-locked memory mapping: Yes

Compute mode: Default

(multiple host threads can use this device simultaneously)

Concurrent kernel execution: No

Device has ECC support enabled: No

Device is using TCC driver mode: No

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 3.20, CUDA Runtime Vers

ion = 3.20, NumDevs = 2, Device = GeForce 8800 GT, Device = GeForce 8800 GT

PASSED

Press <Enter> to Quit...

-----------------------------------------------------------

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 관련 해외글 (0)	2011.01.22
CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 (2)	2011.01.18
vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18
CUDA 메모리별 범위(scope) (0)	2011.01.17
CUDA 내장변수 - built in variable (0)	2011.01.16

Posted by 구차니

vectorAdd 를 이용한 CUDA 연습

warp 크기는 32 라는데,

그 이하로도 묶어서 사용이 가능한지 테스트를 해보았다.

VectorAdd를 변형해서 int 형으로 계산하고, 변수는 총 64개의 int형 배열로 선언

그리고 커널코드는 단순하게 두개의 배열을 더해서 세번째로 던져주게 해놓았다.

단, 커널은 1 block / 5 thread로 설정했다.

// Device code

__global__ void VecAdd(const int* A, const int* B, int* C, int N)

{

int i = threadIdx.x;

C[i] = A[i] + B[i];

}

VecAdd<<<1,5>>>(d_A, d_B, d_C, N);

결과는 아래와 같이 5개만 계산이 되어 나온다.

Vector addition

[000] h_A[0] + h_B[0] = 0, h_C[0]

[001] h_A[1] + h_B[1] = 2, h_C[2]

[002] h_A[2] + h_B[2] = 4, h_C[4]

[003] h_A[3] + h_B[3] = 6, h_C[6]

[004] h_A[4] + h_B[4] = 8, h_C[8]

[005] h_A[5] + h_B[5] = 10, h_C[133]- not ok

[006] h_A[6] + h_B[6] = 12, h_C[134]- not ok

[007] h_A[7] + h_B[7] = 14, h_C[135]- not ok

[008] h_A[8] + h_B[8] = 16, h_C[136]- not ok

[009] h_A[9] + h_B[9] = 18, h_C[137]- not ok

[010] h_A[10] + h_B[10] = 20, h_C[138]- not ok

[011] h_A[11] + h_B[11] = 22, h_C[139]- not ok

[012] h_A[12] + h_B[12] = 24, h_C[140]- not ok

[013] h_A[13] + h_B[13] = 26, h_C[141]- not ok

[014] h_A[14] + h_B[14] = 28, h_C[142]- not ok

[015] h_A[15] + h_B[15] = 30, h_C[143]- not ok

[016] h_A[16] + h_B[16] = 32, h_C[144]- not ok

[017] h_A[17] + h_B[17] = 34, h_C[145]- not ok

[018] h_A[18] + h_B[18] = 36, h_C[146]- not ok

[019] h_A[19] + h_B[19] = 38, h_C[147]- not ok

[020] h_A[20] + h_B[20] = 40, h_C[148]- not ok

[021] h_A[21] + h_B[21] = 42, h_C[149]- not ok

[022] h_A[22] + h_B[22] = 44, h_C[150]- not ok

[023] h_A[23] + h_B[23] = 46, h_C[151]- not ok

[024] h_A[24] + h_B[24] = 48, h_C[152]- not ok

[025] h_A[25] + h_B[25] = 50, h_C[153]- not ok

[026] h_A[26] + h_B[26] = 52, h_C[154]- not ok

[027] h_A[27] + h_B[27] = 54, h_C[155]- not ok

[028] h_A[28] + h_B[28] = 56, h_C[156]- not ok

[029] h_A[29] + h_B[29] = 58, h_C[157]- not ok

[030] h_A[30] + h_B[30] = 60, h_C[158]- not ok

[031] h_A[31] + h_B[31] = 62, h_C[159]- not ok

[032] h_A[32] + h_B[32] = 64, h_C[160]- not ok

[033] h_A[33] + h_B[33] = 66, h_C[161]- not ok

[034] h_A[34] + h_B[34] = 68, h_C[162]- not ok

[035] h_A[35] + h_B[35] = 70, h_C[163]- not ok

[036] h_A[36] + h_B[36] = 72, h_C[164]- not ok

[037] h_A[37] + h_B[37] = 74, h_C[165]- not ok

[038] h_A[38] + h_B[38] = 76, h_C[166]- not ok

[039] h_A[39] + h_B[39] = 78, h_C[167]- not ok

[040] h_A[40] + h_B[40] = 80, h_C[168]- not ok

[041] h_A[41] + h_B[41] = 82, h_C[169]- not ok

[042] h_A[42] + h_B[42] = 84, h_C[170]- not ok

[043] h_A[43] + h_B[43] = 86, h_C[171]- not ok

[044] h_A[44] + h_B[44] = 88, h_C[172]- not ok

[045] h_A[45] + h_B[45] = 90, h_C[173]- not ok

[046] h_A[46] + h_B[46] = 92, h_C[174]- not ok

[047] h_A[47] + h_B[47] = 94, h_C[175]- not ok

[048] h_A[48] + h_B[48] = 96, h_C[176]- not ok

[049] h_A[49] + h_B[49] = 98, h_C[177]- not ok

[050] h_A[50] + h_B[50] = 100, h_C[178]- not ok

[051] h_A[51] + h_B[51] = 102, h_C[179]- not ok

[052] h_A[52] + h_B[52] = 104, h_C[180]- not ok

[053] h_A[53] + h_B[53] = 106, h_C[181]- not ok

[054] h_A[54] + h_B[54] = 108, h_C[182]- not ok

[055] h_A[55] + h_B[55] = 110, h_C[183]- not ok

[056] h_A[56] + h_B[56] = 112, h_C[184]- not ok

[057] h_A[57] + h_B[57] = 114, h_C[185]- not ok

[058] h_A[58] + h_B[58] = 116, h_C[186]- not ok

[059] h_A[59] + h_B[59] = 118, h_C[187]- not ok

[060] h_A[60] + h_B[60] = 120, h_C[188]- not ok

[061] h_A[61] + h_B[61] = 122, h_C[189]- not ok

[062] h_A[62] + h_B[62] = 124, h_C[190]- not ok

[063] h_A[63] + h_B[63] = 126, h_C[191]- not ok

PASSED

2개씩 3개 블럭을 사용해도 제대로 나온다.

__global__ void VecAdd(const int* A, const int* B, int* C, int N)

{

int i = blockIdx.x * blockDim.x + threadIdx.x;

C[i] = A[i] + B[i];

}

VecAdd<<<3,2>>>(d_A, d_B, d_C, N);

Vector addition

[000] h_A[0] + h_B[0] = 0, h_C[0]

[001] h_A[1] + h_B[1] = 2, h_C[2]

[002] h_A[2] + h_B[2] = 4, h_C[4]

[003] h_A[3] + h_B[3] = 6, h_C[6]

[004] h_A[4] + h_B[4] = 8, h_C[8]

[005] h_A[5] + h_B[5] = 10, h_C[10]

[006] h_A[6] + h_B[6] = 12, h_C[134]- not ok

[007] h_A[7] + h_B[7] = 14, h_C[135]- not ok

[008] h_A[8] + h_B[8] = 16, h_C[136]- not ok

[009] h_A[9] + h_B[9] = 18, h_C[137]- not ok

[010] h_A[10] + h_B[10] = 20, h_C[138]- not ok

[011] h_A[11] + h_B[11] = 22, h_C[139]- not ok

[012] h_A[12] + h_B[12] = 24, h_C[140]- not ok

[013] h_A[13] + h_B[13] = 26, h_C[141]- not ok

[014] h_A[14] + h_B[14] = 28, h_C[142]- not ok

[015] h_A[15] + h_B[15] = 30, h_C[143]- not ok

[016] h_A[16] + h_B[16] = 32, h_C[144]- not ok

[017] h_A[17] + h_B[17] = 34, h_C[145]- not ok

[018] h_A[18] + h_B[18] = 36, h_C[146]- not ok

[019] h_A[19] + h_B[19] = 38, h_C[147]- not ok

[020] h_A[20] + h_B[20] = 40, h_C[148]- not ok

[021] h_A[21] + h_B[21] = 42, h_C[149]- not ok

[022] h_A[22] + h_B[22] = 44, h_C[150]- not ok

[023] h_A[23] + h_B[23] = 46, h_C[151]- not ok

[024] h_A[24] + h_B[24] = 48, h_C[152]- not ok

[025] h_A[25] + h_B[25] = 50, h_C[153]- not ok

[026] h_A[26] + h_B[26] = 52, h_C[154]- not ok

[027] h_A[27] + h_B[27] = 54, h_C[155]- not ok

[028] h_A[28] + h_B[28] = 56, h_C[156]- not ok

[029] h_A[29] + h_B[29] = 58, h_C[157]- not ok

[030] h_A[30] + h_B[30] = 60, h_C[158]- not ok

[031] h_A[31] + h_B[31] = 62, h_C[159]- not ok

[032] h_A[32] + h_B[32] = 64, h_C[160]- not ok

[033] h_A[33] + h_B[33] = 66, h_C[161]- not ok

[034] h_A[34] + h_B[34] = 68, h_C[162]- not ok

[035] h_A[35] + h_B[35] = 70, h_C[163]- not ok

[036] h_A[36] + h_B[36] = 72, h_C[164]- not ok

[037] h_A[37] + h_B[37] = 74, h_C[165]- not ok

[038] h_A[38] + h_B[38] = 76, h_C[166]- not ok

[039] h_A[39] + h_B[39] = 78, h_C[167]- not ok

[040] h_A[40] + h_B[40] = 80, h_C[168]- not ok

[041] h_A[41] + h_B[41] = 82, h_C[169]- not ok

[042] h_A[42] + h_B[42] = 84, h_C[170]- not ok

[043] h_A[43] + h_B[43] = 86, h_C[171]- not ok

[044] h_A[44] + h_B[44] = 88, h_C[172]- not ok

[045] h_A[45] + h_B[45] = 90, h_C[173]- not ok

[046] h_A[46] + h_B[46] = 92, h_C[174]- not ok

[047] h_A[47] + h_B[47] = 94, h_C[175]- not ok

[048] h_A[48] + h_B[48] = 96, h_C[176]- not ok

[049] h_A[49] + h_B[49] = 98, h_C[177]- not ok

[050] h_A[50] + h_B[50] = 100, h_C[178]- not ok

[051] h_A[51] + h_B[51] = 102, h_C[179]- not ok

[052] h_A[52] + h_B[52] = 104, h_C[180]- not ok

[053] h_A[53] + h_B[53] = 106, h_C[181]- not ok

[054] h_A[54] + h_B[54] = 108, h_C[182]- not ok

[055] h_A[55] + h_B[55] = 110, h_C[183]- not ok

[056] h_A[56] + h_B[56] = 112, h_C[184]- not ok

[057] h_A[57] + h_B[57] = 114, h_C[185]- not ok

[058] h_A[58] + h_B[58] = 116, h_C[186]- not ok

[059] h_A[59] + h_B[59] = 118, h_C[187]- not ok

[060] h_A[60] + h_B[60] = 120, h_C[188]- not ok

[061] h_A[61] + h_B[61] = 122, h_C[189]- not ok

[062] h_A[62] + h_B[62] = 124, h_C[190]- not ok

[063] h_A[63] + h_B[63] = 126, h_C[191]- not ok

PASSED

원래는 32개씩 묶여서 원하는 수량대로만 돌라고

커널 코드에 if(i<N) 식으로 제한이 되어있는줄 알았는데, 없어도 의도한 대로는 돈다.

물론 돌아야 할 데이터의 갯수가 grid.x * gird.y * thread.x * thread.y 의 갯수만큼

떨어지지 않는다면 제한을 두어야겠지만 말이다.

결론 : warp은 최소단위로 묶이는 쓰레드의 갯수이긴 하지만, 실제로 그 이하로도 묶인다.

블럭단위라고 해서 달라지는건 없는듯?

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 (2)	2011.01.18
CUDA 3.1과 3.2의 devicequery 결과 차이점 (0)	2011.01.18
CUDA 메모리별 범위(scope) (0)	2011.01.17
CUDA 내장변수 - built in variable (0)	2011.01.16
CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요! (2)	2011.01.16

Posted by 구차니

CUDA 메모리별 범위(scope)

CUDA Device에는 수 많은(?) 종류의 메모리가 있다.

이러한 메모리들의 특성에 대해 정리한 도표이다.

출처는 NVIDIA_CUDA_C_BestPracticesGuide.pdf 파일

의외(?)로 Local 메모리가 Local에 존재하지 않는다는 쇼킹한 이야기 -_-

쓰레드에 사용하는 메모리이지만, Off chip 즉 Device memory에 존재한다.

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 3.1과 3.2의 devicequery 결과 차이점 (0)	2011.01.18
vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18
CUDA 내장변수 - built in variable (0)	2011.01.16
CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요! (2)	2011.01.16
CUDA SDK 3.2 예제파일 변경점 (0)	2011.01.14

Posted by 구차니

CUDA 내장변수 - built in variable

CUDA의 kernel 부분에서 사용되는 내장변수는 다음과 같다.

아직 내용이 헷갈리지만 -_-

kernel<<<grid, thread_block>>>(vars, ... );

이런식으로 커널을 사용하는데

현재 block의 인덱스는 blockIdx에

현재 thread의 인덱스는 threadIdx에 들어간다.

blockDim 에는 전체 블럭의 카운트 값이 들어가는데

그렇다면 쓰레드의 전체 카운트 값은 어디에 들어갈려나?

아래는 Programming Guid에서 검색한 kernel 코드의 인덱스 부분

int row = blockIdx.y * blockDim.y + threadIdx.y;

int col = blockIdx.x * blockDim.x + threadIdx.x;

'Programming > openCL & CUDA' 카테고리의 다른 글

vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18
CUDA 메모리별 범위(scope) (0)	2011.01.17
CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요! (2)	2011.01.16
CUDA SDK 3.2 예제파일 변경점 (0)	2011.01.14
CUDA_Occupancy_calculator 내용 캡쳐 (0)	2011.01.14

Posted by 구차니

구차니의 잡동사니 모음

'Programming'에 해당되는 글 1747건

openMP

'Programming > openMP' 카테고리의 다른 글

CUDA driver API / runtime API

'Programming > openCL & CUDA' 카테고리의 다른 글

SLI에 대한 CUDA의 제한(과거에는 그랬다더라~)

'Programming > openCL & CUDA' 카테고리의 다른 글

cuBLAS / BLAS Level 1,2,3

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 관련 해외글

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 3.1과 3.2의 devicequery 결과 차이점

'Programming > openCL & CUDA' 카테고리의 다른 글

vectorAdd 를 이용한 CUDA 연습

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 메모리별 범위(scope)

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 내장변수 - built in variable

'Programming > openCL & CUDA' 카테고리의 다른 글

카테고리

공지사항

태그목록

최근에 올라온 글

최근에 달린 댓글

티스토리툴바