为什么启动 Numba cuda 内核最多可处理 640 个线程，但在有大量可用 GPU 内存时却无法处理 641 个线程？

Question

我有一个 Numba cuda 内核，我可以在 RTX 3090 上启动最多 640 个线程和 64 个块。

如果我尝试使用 641 个线程，它会失败：

Traceback (most recent call last):
  File "/home/stark/Work/mmr6/mmr/algos/company_analysis/_analysis_gpu_backup.py", line 905, in <module>
    load()
  File "/home/stark/Work/mmr6/mmr/algos/company_analysis/_analysis_gpu_backup.py", line 803, in load_markets
    run_simulations[algo_configs.BLOCK_COUNT, algo_configs.THREAD_COUNT, stream](
  File "/home/stark/anaconda3/envs/mmr-env/lib/python3.9/site-packages/numba/cuda/compiler.py", line 821, in __call__
    return self.dispatcher.call(args, self.griddim, self.blockdim,
  File "/home/stark/anaconda3/envs/mmr-env/lib/python3.9/site-packages/numba/cuda/compiler.py", line 966, in call
    kernel.launch(args, griddim, blockdim, stream, sharedmem)
  File "/home/stark/anaconda3/envs/mmr-env/lib/python3.9/site-packages/numba/cuda/compiler.py", line 693, in launch
    driver.launch_kernel(cufunc.handle,
  File "/home/stark/anaconda3/envs/mmr-env/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 2094, in launch_kernel
    driver.cuLaunchKernel(cufunc_handle,
  File "/home/stark/anaconda3/envs/mmr-env/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 300, in safe_cuda_api_call
    self._check_error(fname, retcode)
  File "/home/stark/anaconda3/envs/mmr-env/lib/python3.9/site-packages/numba/cuda/cudadrv/driver.py", line 335, in _check_error
    raise CudaAPIError(retcode, msg)
numba.cuda.cudadrv.driver.CudaAPIError: [701] Call to cuLaunchKernel results in CUDA_ERROR_LAUNCH_OUT_OF_RESOURCES

但是当我查看 nvidia-smi 时，我发现它只需要 2.9GB 的内存就可以运行 640 个线程。此 GPU 有 22GB 未使用。

在这种情况下还有什么问题？我在某处读到网格大小、块大小、寄存器使用和共享内存使用是考虑因素。我怎样才能知道我使用了多少个寄存器和共享内存？

Answer 1

这通常是每个线程的寄存器问题 (CUDA_ERROR_LAUNCH_OUT_OF_RESOURCES)。这在 SO cuda 标签（例如 this one. There are many others also such as here 上的许多问题中都有涉及。简而言之，每个线程块使用的总寄存器不能超过 GPU 的限制（见下文）。每个 theadblock 使用的总寄存器大约是每个线程的寄存器总数乘以每个块的线程数（可能为分配粒度四舍五入）。

在 numba cuda 中解决此问题的主要方法是在 cuda.jit 装饰器中包含一个 maximum register usage parameter：

@cuda.jit( max_registers=40)

您当然可以将其设置为其他值。一个简单的启发式方法是将每个 SM（或每个 thead 块，如果它较低）的寄存器总数（可通过 CUDA deviceQuery 示例代码或在 table 15 of the programming guide 中发现）除以您希望启动的每个块的线程总数。因此，如果您的 GPU SM 有 64K 个寄存器，并且您希望每个块启动 1024 个线程，您可以选择每个线程最多 64 个寄存器。该数字应该适用于 RTX 3090。

为什么启动 Numba cuda 内核最多可处理 640 个线程，但在有大量可用 GPU 内存时却无法处理 641 个线程？

Why launching a Numba cuda kernel works with up to 640 threads, but fails with 641 when there's plenty of GPU memory free?

python

cuda

out-of-memory

numba