如何判斷Nvidia GPU內核是否爲32/64位處理器

Question

是否有Linux/windows命令顯示Nvidia GPU中處理器的類型？我不是在談論操作系統和CPU類型。我在詢問GPU本身的處理器（內核）。在一天結束時，他們是處理器。如何判斷它們是否具有32/64位寄存器和32/64位ALU？

與此相關的另一個問題是64位指令，如編譯器或任何中間事件添加兩個（無符號長整型）數字，使用32位指令模擬，或者它們正在本機執行由硬件？

這個問題與this不太相似，我需要一種方法來告訴GPU本身是什麼類型的機器。此外，該問題的答案並不能說明64位指令是如何特別執行的。

Answer 1

我編寫了兩個簡單的內核。每個添加兩個類型爲int（32位）/ long int（64位）的向量。事實證明，在我的GPU（特斯拉K80）​​上，這款產品剛好相當新穎，內核只有32位。

隨着矢量大小的增加，時間大致加倍。

的內核如下：

__global__ void add_32(int * c, int * a, int * b) 
{ 
    int gid = blockIdx.x * blockDim.x + threadIdx.x; 
    c[gid] = a[gid] + b[gid]; 
} 

typedef long int int64; 

__global__ void add_64(int64 * c, int64 * a, int64 * b) 
{ 
    int gid = blockIdx.x * blockDim.x + threadIdx.x; 
    c[gid] = a[gid] + b[gid]; 
} 

當矢量大小爲1兆個元件，add_32約需102.911微秒，而add_64需要192.669微秒。 （運行釋放模式二進制時，使用Nvidia分析器報告執行時間）。

看來，64位指令只是通過32位指令仿真！

這可能是一個蠻力的解決方案，以找出什麼樣的機器是GPU核心，但絕對不是一個優雅的。

更新：

感謝@保羅A.克萊頓評論，似乎數據的大小在64位的情況下加倍上述解決方案是不公平的比較。所以我們不應該使用相同數量的元素來啓動這兩個內核。正確的原則是啓動64位版本的元素數量的一半。

爲了更加確定，我們來考慮一下元素向量乘法而不是加法。如果GPU通過32位指令模擬64位指令，那麼它至少需要3個32位乘法指令，例如使用Karatsuba算法來乘以2個64位數字。這意味着如果我們啓動具有N/2個元素的64位向量乘法內核，如果只是模擬64位乘法，則需要比具有N個元素的32位內核更長的時間。

下面是內核：

__global__ void mul_32(int * c, int * a, int * b) 
{ 
    int gid = blockIdx.x * blockDim.x + threadIdx.x; 
    c[gid] = a[gid] * b[gid]; 
} 

typedef long int int64; 

__global__ void mul_64(int64 * c, int64 * a, int64 * b) 
{ 
    int gid = blockIdx.x * blockDim.x + threadIdx.x; 
    c[gid] = a[gid] * b[gid]; 
} 

而這裏是實驗細節： 時報報道這裏是從NVIDIA分析器上釋放模式二進制： 1-內核mul_32與矢量大小爲N = 256兆個元件，需要25.608毫秒。 2-矢量大小N = 128的mul_64兆元素，需要24.153毫秒。

我知道這兩個內核產生不正確的結果，但我認爲這與計算方式沒有任何關係。