我可以在不传递指针数组的情况下启动协作内核吗？

Question

CUDA运行时API允许我们使用变量数量参数triple-chevron语法启动内核：

my_kernel<<<grid_dims, block_dims, shared_mem_size>>>(
    first_arg, second_arg, and_as_many, as_we, want_to, etc, etc);

但关于“协作”内核，CUDA编程指南说（ C.3节 ）：

要启用网格同步，在启动内核时，必须使用cuLaunchCooperativeKernel CUDA运行时启动API而不是<<<...>>>执行配置语法：

 cudaLaunchCooperativeKernel( const T *func, dim3 gridDim, dim3 blockDim, void **args, size_t sharedMem = 0, cudaStream_t stream = 0 ) 

（或CUDA驱动程序等效）。

我宁愿不必编写自己的包装器代码来构建指针数组......运行时API中是否真的没有设施可以避免这种情况？

Answer 1

答案是不。

引擎盖下， <<< >>>语法扩展如下：

deviceReduceBlockKernel0<<<nblocks, 256>>>(input, scratch, N);

变为：

(cudaConfigureCall(nblocks, 256)) ? (void)0 : deviceReduceBlockKernel0(input, scratch, N); 

并发出样板包装函数：

void deviceReduceBlockKernel0(int *in, int2 *out, int N) ;

// ....

void deviceReduceBlockKernel0( int *__cuda_0,struct int2 *__cuda_1,int __cuda_2)
{
__device_stub__Z24deviceReduceBlockKernel0PiP4int2i(_cuda_0,__cuda_1,__cuda_2);
}

void __device_stub__Z24deviceReduceBlockKernel1P4int2Pii( struct int2 *__par0,  int *__par1,  int __par2) 
{  
    __cudaSetupArgSimple(__par0, 0UL); 
    __cudaSetupArgSimple(__par1, 8UL); 
    __cudaSetupArgSimple(__par2, 16UL); 
    __cudaLaunch(((char *)((void ( *)(struct int2 *, int *, int))deviceReduceBlockKernel1))); 
}

即。 当您明确使用内核启动API时，工具链只是自动执行您在代码中手动（或通过花哨的生成器模板）所做的事情，无论是传统的单一启动还是新的协作启动API。 在不推荐使用的API版本中，有一个内部堆栈可以为您执行脏工作。 在较新的API中，您可以自己创建参数数组。 同样的事情，只是不同的狗食。

Answer 2

FWIW你可以通过void * args传递任意结构（从API文档中不是很明显）。 在这种情况下，编译器会根据函数签名计算sizeof并将正确的大小复制到内核，这一点并不明显。 API文档似乎没有详细说明。

struct Param { int a, b; void* device_ptr; };
Param param{aa, bb, d_ptr};
void *kArgs = {&param};
cudaLaunchCooperativeKernel(..., kArgs, ...);

Answer 3

我们可以使用类似以下的解决方法（需要--std=c++11或更高版本）：

namespace detail {

template <typename F, typename... Args>
void for_each_argument_address(F f, Args&&... args) {
    [](...){}((f( (void*) &std::forward<Args>(args) ), 0)...);
}

} // namespace detail

template<typename KernelFunction, typename... KernelParameters>
inline void cooperative_launch(
    const KernelFunction&       kernel_function,
    stream::id_t                stream_id,
    launch_configuration_t      launch_configuration,
    KernelParameters...         parameters)
{
    void* arguments_ptrs[sizeof...(KernelParameters)];
    auto arg_index = 0;
    detail::for_each_argument_address(
        [&](void * x) {arguments_ptrs[arg_index++] = x;},
        parameters...);
    cudaLaunchCooperativeKernel<KernelFunction>(
        &kernel_function,
        launch_configuration.grid_dimensions,
        launch_configuration.block_dimensions,
        arguments_ptrs,
        launch_configuration.dynamic_shared_memory_size,
        stream_id);
}