CN115509736A - 使用图形的内存分配或解分配 - Google Patents
使用图形的内存分配或解分配 Download PDFInfo
- Publication number
- CN115509736A CN115509736A CN202210655993.0A CN202210655993A CN115509736A CN 115509736 A CN115509736 A CN 115509736A CN 202210655993 A CN202210655993 A CN 202210655993A CN 115509736 A CN115509736 A CN 115509736A
- Authority
- CN
- China
- Prior art keywords
- memory
- graph
- processors
- graphics
- api
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5022—Mechanisms to release resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Generation (AREA)
- Stored Programmes (AREA)
Abstract
本公开涉及使用图形的内存分配或解分配,具体公开了用于生成用于解分配内存的一个或更多个图形代码节点的装置、系统和技术。在至少一个实施例中,基于例如CUDA或其他并行计算平台代码来生成用于解分配内存的一个或更多个图形代码节点。
Description
相关申请的交叉引用
本申请要求2021年6月23日提交的名称为“使用图形的内存分配(MEMORYALLOCATION USING GRAPHS)”的美国临时专利申请No.63/214,205的权益,其公开内容通过引用全文并入本文。本申请还涉及并且出于所有目的通过引用合并与其同时提交的名称为“使用图形的内存分配(MEMORY ALLOCATION USING GRAPHS)”的共同未决的美国专利申请No.17/525,636的全部公开内容。
技术领域
至少一个实施例涉及用于使用表示操作和这些操作之间的依赖关系的数据结构来分配或解分配(deallocate)内存的处理资源。例如,至少一个实施例涉及用于使用实现本文所描述的各种新颖技术的表示操作和操作之间的依赖关系的数据结构来分配或解分配内存的处理器或计算系统。
背景技术
使用表示操作和操作之间的依赖关系的数据结构来执行操作经常可能需要分配内存或解分配所分配的内存。然而,在各种情况下,必须在表示操作和操作之间的依赖关系的数据结构之外对内存进行分配或解分配,这可能需要额外的计算资源。因此可以使用CUDA或其他并行计算平台代码来改进用于使用表示操作和操作之间的依赖关系的数据结构来分配或解分配内存的技术。
附图说明
图1示出了根据至少一个实施例的图形中内存分配的示例;
图2示出了根据至少一个实施例的启动图形的示例;
图3示出了根据至少一个实施例的图形和内存分配的示例;
图4示出了根据至少一个实施例的图形中的分叉的示例;
图5示出了根据至少一个实施例的块引用计数(refcount)数组的示例;
图6示出了根据至少一个实施例的虚拟地址预留的示例;
图7示出了根据至少一个实施例的地址重用的示例;
图8示出了根据至少一个实施例的在图形之间的物理内存共享的示例;
图9示出了根据至少一个实施例的使用图形来分配内存的过程的示例;
图10示出了根据至少一个实施例的使用图形解分配内存的过程的示例;
图11示出了根据至少一个实施例的示例性数据中心;
图12示出了根据至少一个实施例的处理系统;
图13示出了根据至少一个实施例的计算机系统;
图14示出了根据至少一个实施例的系统;
图15示出了根据至少一个实施例的示例性集成电路;
图16示出了根据至少一个实施例的计算系统;
图17示出了根据至少一个实施例的APU;
图18示出了根据至少一个实施例的CPU;
图19示出了根据至少一个实施例的示例性加速器集成切片;
图20A和图20B示出了根据至少一个实施例的示例性图形处理器;
图21A示出了根据至少一个实施例的图形核心;
图21B示出了根据至少一个实施例的GPGPU;
图22A示出了根据至少一个实施例的并行处理器;
图22B示出了根据至少一个实施例的处理集群;
图22C示出了根据至少一个实施例的图形多处理器;
图23示出了根据至少一个实施例的图形处理器;
图24示出了根据至少一个实施例的处理器;
图25示出了根据至少一个实施例的处理器;
图26示出了根据至少一个实施例的图形处理器核心;
图27示出了根据至少一个实施例的PPU;
图28示出了根据至少一个实施例的GPC;
图29示出了根据至少一个实施例的流式多处理器;
图30示出了根据至少一个实施例的编程平台的软件栈;
图31示出了根据至少一个实施例的图30的软件栈的CUDA实现;
图32示出了根据至少一个实施例的图30的软件栈的ROCm实现;
图33示出了根据至少一个实施例的图30的软件栈的OpenCL实现;
图34示出了根据至少一个实施例的由编程平台支持的软件;
图35示出了根据至少一个实施例的在图30-33的编程平台上执行的编译代码;
图36示出了根据至少一个实施例的在图30-33的编程平台上执行的更详细的编译代码;
图37示出了根据至少一个实施例的在编译源代码之前转换源代码;
图38A示出了根据至少一个实施例的被配置为使用不同类型的处理单元来编译和执行CUDA源代码的系统;
图38B示出了根据至少一个实施例的被配置为使用CPU和启用CUDA的GPU来编译和执行图38A的CUDA源代码的系统;
图38C示出了根据至少一个实施例的被配置为使用CPU和未启用CUDA的GPU来编译和执行图38A的CUDA源代码的系统;
图39示出了根据至少一个实施例的由图38C的CUDA到HIP转换工具转换的示例性内核;
图40更详细地示出了根据至少一个实施例的图38C的未启用CUDA的GPU;
图41示出了根据至少一个实施例的示例性CUDA网格的线程如何被映射到图40的不同计算单元;以及
图42示出了根据至少一个实施例的如何将现有CUDA代码迁移至数据并行C++代码。
具体实施方式
在至少一个实施例中,一个或更多个编程模型利用表示操作和所述操作之间的依赖关系的一个或更多个数据结构来执行所述操作。在至少一个实施例中,图形(graph)是表示操作和所述操作之间的依赖关系的数据结构,并且至少包括节点,也称为图形代码节点,该节点是对关于操作的信息进行编码的一组数据或数据结构。在至少一个实施例中,虽然本文所描述的技术可以涉及图形,但是本文所描述的技术可应用于表示、编码或者以其他方式存储操作和/或所述操作之间的依赖关系的任何合适的编程模型的任何合适的数据结构。在至少一个实施例中,一个或更多个编程模型包括诸如计算统一设备架构(CUDA)模型、可移植性的异构计算接口(HIP)模型、oneAPI模型、各种硬件加速器编程模型和/或其变型之类的模型。
在至少一个实施例中,所述图形指示由一个或更多个设备(诸如中央处理单元(CPU)、图形处理单元(GPU)、通用GPU(GPGPU)、并行处理单元(PPU)、和/或其变体)执行的一系列操作。在至少一个实施例中,所述图形对通过依赖关系连接的一系列操作(诸如内核启动)进行编码。在至少一个实施例中,所述图形的依赖关系独立于所述图形的执行来定义。在至少一个实施例中,所述图形被定义一次并且可以在一个或更多个设备上启动一次或更多次。
在至少一个实施例中,所述图形指示通过所述图形的节点的操作,其中,所述图形的每个节点对应于一操作,并且操作之间的依赖关系形成所述图形的边。在至少一个实施例中,依赖关系约束操作的执行序列。在至少一个实施例中,一旦操作所依赖的节点已经完成(例如,由节点指示的操作已经被执行/实施),就可以在任何时间调度操作。在至少一个实施例中,由节点指示的操作可以包括诸如内核、CPU函数调用、内存管理/操纵操作、等待事件、记录事件、发信号外部信号量(semaphore)、等待外部信号量之类的操作,以及其他图形(例如,子图形)。在至少一个实施例中,图形由一个或更多个系统通过各种编程模型应用编程接口(API)函数来创建和修改。在至少一个实施例中,所述图形的操作由一个或更多个系统通过各种编程模型API函数来执行。
在至少一个实施例中,一个或更多个系统执行本文描述的各种操作和/或技术,并且包括诸如驱动器、编程模型库和/或其变体之类的系统,这些系统可以与一个或更多个编程模型(如CUDA、HIP、oneAPI和/或其变体)相关联。在至少一个实施例中,驱动器(也称为设备驱动器)是向一个或更多个设备(例如,GPU)提供软件接口的计算机程序。在至少一个实施例中,一个或更多个系统提供使用图形来分配内存、释放所分配的内存、管理/利用所分配的内存和/或各个其他内存管理/利用操作的功能。在至少一个实施例中,一个或更多个系统提供了用于使用所述图形结合一个或更多个GPU执行各个内存管理/利用操作(例如,在一个或更多个GPU上分配内存、释放一个或更多个GPU上的所分配的内存、在一个或更多个GPU上管理/利用所分配的内存、和/或其他合适的操作)的功能,其中,所述一个或更多个GPU可以用于执行所述图形的各个操作。在至少一个实施例中,一个或更多个系统提供用于利用各个功能的API,该API指的是一组定义、函数和/或协议。
在至少一个实施例中,一个或更多个系统通过显式节点创建接口(例如,一个或更多个API,如本文中描述的那些API)将内存与所述图形相关联。在至少一个实施例中,用于分配内存的图形代码节点被称为MemAlloc节点或任何合适的符号,并且用于解分配内存的图形代码节点被称为MemFree节点或任何合适的符号。在至少一个实施例中,MemAlloc节点执行创建分配的一个或更多个内存分配操作,返回分配的地址以供使用。在至少一个实施例中,MemFree节点执行释放分配的一个或更多个内存释放操作。在至少一个实施例中,为了正确地访问所述图形中的分配,任务必须在创建所述分配的MemAlloc节点之后但在释放它的任何MemFree节点之前被排序。在至少一个实施例中,一个或更多个系统提供一个或更多个API以向所述图形增加MemAlloc节点和/或MemFree节点。在至少一个实施例中,一个或更多个系统通过流捕获接口将内存与所述图形相关联,其中用于分配内存和释放所分配的内存的各个基于流的API调用分别被转换成MemAlloc节点和MemFree节点。
在至少一个实施例中,一个或更多个系统提供对在执行图形之后在分配所述图形中未被释放的分配的访问,直到一个或更多个用户通过至少启动包含用于所述分配的MemFree节点的所述图形和/或将所述分配传递至用于释放所分配的内存的一个或更多个API调用(例如,在捕获之外)来释放所述分配为止。在至少一个实施例中,一个或更多个系统跟踪分配,使得引用所分配的内存的各个操作被正确地验证并被允许访问所述分配,所述分配维持其使用的底层物理内存的所有权,和/或当被释放时,所述物理内存可以被重用。
在至少一个实施例中,当创建MemAlloc节点时,一个或更多个系统尝试重用由任何先前的MemFree节点释放的内存。在至少一个实施例中,一个或更多个系统跟踪通过所述图形的一组路径,其中,每个路径与特定数据结构相关联。在至少一个实施例中,MemAlloc节点可以不受限制地从其自己的路径重用内存,但是当尝试从其他路径重用内存时,它可以基于两条路径何时最后分叉来仅分配所述内存的子集。
在至少一个实施例中,一个或更多个系统为图形提供排他地拥有它们用于分配的虚拟内存的功能,但是共享用于支持(back)所述虚拟内存的物理内存。在至少一个实施例中,一个或更多个系统提供功能,使得由所有图形分配的内存的总量可以超过GPU上存在的内存的量。
在至少一个实施例中,当所述图形被实例化(例如,使其可运行)时,一个或更多个系统确定所述图形的总内存占用空间并且将所述总内存占用空间表示为一组固定大小的虚拟内存块。在至少一个实施例中,在启动时,一个或更多个系统将物理内存映射到这些虚拟内存块中的每一个。在至少一个实施例中,如果在同一流中启动后续图形,则它可以重用这些物理块,因为图形将顺序地执行。在至少一个实施例中,一个或更多个系统可将相同的物理内存块重新映射到若干虚拟内存块,其可被称为虚拟别名。
在至少一个实施例中,在一个图形中分配但在另一个图形中释放的分配利用另外的跟踪,因为所述分配使用的物理内存不能被重用,直到所述分配被显式地释放,而一旦所述图形完成,则内部包含的分配可以被重用。在至少一个实施例中,可用物理内存通过一个或更多个系统与一组事件(例如,图形完成和/或用于释放所分配的内存的一个或更多个API调用)相关联。在至少一个实施例中,当所述图形启动时,所述图形还必须等待事件,使得所述图形具有对物理内存的排他访问。在至少一个实施例中,为了减少所需的同步量,一个或更多个系统在每流的基础上管理物理内存。在至少一个实施例中,在同一流中启动的两个图形可以使用同一内存,因为那些图形可以串行化。在至少一个实施例中,在不同流中启动的两个图形将使用不同的内存,因为每个流维持物理块的单独高速缓存,这使得所述图形能够继续并发地执行。
在至少一个实施例中,一个或更多个系统提供用于图形有序内存分配(也称为图形分配)的功能。在至少一个实施例中,一个或更多个系统为各个图形内存分配操作提供节点。在至少一个实施例中,分配内存的MemAlloc节点和/或释放MemAlloc节点分配的内存的MemFree节点统称为内存节点。在至少一个实施例中,一个或更多个系统提供使用显式API函数、流捕获和/或其变型来创建内存节点的功能。
图1示出了根据至少一个实施例的图形中的内存分配的示例100。在至少一个实施例中,示例100包括所述图形(其包括节点)的视觉表示。在至少一个实施例中,所述图形指示要在一个或更多个设备上执行的各个操作。在至少一个实施例中,可以参考编程模型(例如,CUDA、HIP、oneAPI、和/或其变型)引用的所述图形是有向无环图、或任何合适的图形,其节点表示工作,并且边表示由边连接的节点表示的相应工作对之间的依赖关系。
在至少一个实施例中,所述图形指示利用各个用户指定的数据和/或用户管理的资源(也称为用户对象,或更一般地称为对象)的操作。在至少一个实施例中,对象包括内核自变量、主机函数自变量、工作空间缓冲区、和/或在所述图形的一个或更多个操作的执行过程中利用的其他数据。在至少一个实施例中,通过被称为流捕获的一个或更多个操作来创建图形。在至少一个实施例中,流捕获将由流指示的工作负载编码到所述图形中。在至少一个实施例中,流是指在处理单元(诸如GPU、PPU、CPU和/或其变型)上执行的操作序列。在至少一个实施例中,流捕获序列是指用于使用流捕获生成所述图形的操作序列。在至少一个实施例中,捕获流指的是与流捕获相关联的一个或更多个操作(例如,要在所述图形中捕获的一个或更多个操作)的流。在至少一个实施例中,一个或更多个系统将所述流发布或以其他方式提供给处理单元,其中所述处理单元执行所述流的一个或更多个操作。在至少一个实施例中,程序可以具有多个流。在至少一个实施例中,流还可以等待事件,这些事件可以表示在另一流中完成工作。
在至少一个实施例中,通过各个API函数(也称为API)来创建和修改图形。在至少一个实施例中,作为说明性示例,图形是通过一个或更多个API函数创建的,所述一个或更多个API函数创建所述图形、将节点(例如,子图形节点、空节点、事件记录节点、事件等待节点、外部信号量信号节点、外部信号量等待节点、主机执行节点、内核执行节点、内存复制节点、内存集节点、和/或其变型)添加到所述图、将依赖关系添加到所述图形、和/或其变型。在至少一个实施例中,由一个或更多个系统通过任何合适的API函数对图形执行各个操作,诸如添加节点、移除节点、修改节点、复制图形、删除图形和/或其变型。在至少一个实施例中,图形由一个或更多个系统以任何合适的方式使用任何合适的API函数、软件库和/或其变型来修改或以其他方式管理。
在至少一个实施例中,分配(alloc)102、分配108和分配118表示内存分配操作。在至少一个实施例中,分配102、分配108和分配118是MemAlloc节点。在至少一个实施例中,一个或更多个系统提供API,以生成一个或更多个图形代码节点来分配内存(例如,分配102、分配108和分配118),如本文更详细描述的。在至少一个实施例中,内核104、内核110、内核114、内核116和内核120表示内核操作。在至少一个实施例中,内核是在诸如GPU之类的一个或更多个设备上执行的函数。在至少一个实施例中,内核104、内核110、内核114、内核116和内核120是表示内核的执行的节点。在至少一个实施例中,释放(free)106、释放112和释放122表示内存解分配操作,也称为内存释放操作。在至少一个实施例中,释放106、释放112和释放122是MemFree节点。在至少一个实施例中,如本文更详细描述的,一个或更多个系统提供API,以生成用于解分配内存的一个或更多个图形代码节点(例如,释放106、释放112和释放122)。
在至少一个实施例中,作为说明性示例,图1中描绘的所述图形是使用流捕获来创建的,其中一个或更多个系统通过捕获所述流的一个或更多个操作来生成所述图形,其中所述图形的一个或更多个节点对应于所述一个或更多个操作。在至少一个实施例中,作为说明性示例,图1中描绘的所述图形是使用各种API函数创建的,其中一个或更多个系统通过使用一个或更多个API创建所述图形并且将一个或更多个节点(诸如图1中描绘的那些节点)添加到所述图形来生成所述图形。
在至少一个实施例中,一个或更多个系统提供重用所述图形内的内存的功能。在至少一个实施例中,当创建MemAlloc节点时,其尝试重用由其(例如,可能间接地)依赖的MemFree节点释放的内存。在至少一个实施例中,可利用任何运行时排序信息进行或不进行图形分配。在至少一个实施例中,一个或更多个系统至少基于所述图形的拓扑在节点创建时间选择分配的地址。在至少一个实施例中,分配、以及它们可以如何被重用,确定图形的内存占用空间,其中一个或更多个系统在执行所述图形之前将内存占用空间分配给所述图形。
在至少一个实施例中,一个或更多个系统在执行所述图形之前用物理内存支持所述图形的内存占用空间。在至少一个实施例中,用于支持的物理内存被启动流拥有。在至少一个实施例中,一个或更多个系统为在同一流中启动的(例如,仅具有内部可访问的内存分配的)若干图形提供功能,以使用相同的物理内存,因为所述流中的项目的执行被串行化。在至少一个实施例中,一个或更多个系统支持图形排序分配,其有效期(lifetime)延长超过所述分配在其中被分配的所述图形。
在至少一个实施例中,一个或更多个系统提供利用图形中的内存节点和捕获流排序API调用的功能。在至少一个实施例中,存在两种类型的图形分配,其可以取决于一个或更多个用户如何分配/释放内存。在至少一个实施例中,图形内分配是指其中MemAlloc和MemFree节点存在于同一图形中的分配。在至少一个实施例中,图形间分配是指其中MemAlloc节点在同一图形中不具有对应的MemFree节点的分配。在至少一个实施例中,包括MemAlloc节点的图形(诸如本文中描述的那些图形)被称为拥有分配的图形。在至少一个实施例中,通过实例化,多个图形可以拥有相同的分配。在至少一个实施例中,参考图1,示例100示出了图形内分配。
在至少一个实施例中,图形分配具有至少三个有效期、或任何合适数量的有效期。在至少一个实施例中,前两个有效期与所述图形的构造相关联,并且最终有效期与所述图形的执行相关联。在至少一个实施例中,API有效期(也称为第一有效期)是指主机上将分配传递至图形节点有效的时间段。在至少一个实施例中,主机指的是CPU及其内存,并且设备指的是GPU及其内存。在至少一个实施例中,API有效期在MemAlloc节点被创建时开始,并且在分配图形中创建MemFree节点时结束,和/或如果这不发生,则在所拥有的图形被毁掉时结束。
在至少一个实施例中,拓扑有效期(也被称为第二有效期)是指所述图形中的一组节点可以访问分配的时间段。在至少一个实施例中,如果所述图形包含MemAlloc节点,则拓扑有效期仅包括作为所述MemAlloc节点的后代的那些节点。在至少一个实施例中,如果所述图形包含MemFree节点,则拓扑有效期仅包括作为所述MemFree节点的祖先的那些节点。在至少一个实施例中,如果所述图形包含MemAlloc和MemFree节点,则所述MemFree节点必须是所述MemAlloc节点的后代。
在至少一个实施例中,执行有效期(也称为最终有效期)是一个或更多个编程模型的一个或更多个系统的操作(例如,诸如内核、内存副本、和/或其变型之类的操作)可访问分配的时间段。在至少一个实施例中,对于图形内分配,执行有效期被完全包含在所述图形内,当图形执行到达MemAlloc节点时开始,并且当其到达MemFree节点时结束。在至少一个实施例中,对于图形间分配,在图形执行到达MemAlloc节点但延伸超过所述图形的执行时,执行有效期开始,直到所述分配被释放(例如,通过用对应的MemFree节点启动所述图形)。在至少一个实施例中,一个或更多个系统为图形间分配提供在各个编程模型API执行有效期期间由该各个编程模型API访问的功能。在至少一个实施例中,分配具有外部可见的执行有效期。
在至少一个实施例中,一个或更多个系统在一个或更多个设备(如GPU)上启动所述图形,其中,在启动所述图形时,所述一个或更多个设备以任何合适的顺序(如顺序、并行和/或其变型)执行由所述图形的节点指示的操作。在至少一个实施例中,参照图1,分配102使得诸如本文中描述的那些之类的设备分配内存,其中所述分配的内存具有地址“0x1000”,内核104使所述设备执行由内核104指示的一个或更多个进程,释放106使所述设备释放通过分配102分配的内存(例如,地址“0x1000”处的内存),分配108使所述设备分配内存,其中,所述分配的内存具有地址“0x1000”,由于分配108可以重用释放的内存,则内核110使所述设备执行由内核110指示的一个或更多个进程,释放112使所述设备释放通过分配108分配的内存(例如,地址“0x1000”处的内存),内核114使所述设备执行由内核114指示的一个或更多个进程,内核116使所述设备执行由内核116指示的一个或更多个进程,分配118使所述设备分配内存,其中,所述分配的内存具有地址“0x2000”,由于分配118不能重用地址“0x1000”处的内存,因为其可能尚未被释放,所以内核120使所述设备执行由内核120指示的一个或更多个进程,并且释放122使所述设备释放通过分配118分配的内存(例如,地址“0x2000”处的内存)。
在至少一个实施例中,一个或更多个系统通过以下代码定义MemAlloc节点参数,但可以利用其任何变体:
以及通过以下代码定义用于生成一个或更多个图形代码节点以分配所述图形中的内存(例如,MemAlloc节点)的API函数,但可以利用其任何变体:
其中,cuGraphAddMemAllocNode创建MemAlloc节点和分配,并在params->dptr中返回所述分配的地址。在至少一个实施例中,用于生成一个或更多个图形代码节点以分配内存的API函数被表示为cuGraphAddMemAllocNode、GraphAddMemAllocNode、和/或其变型。在至少一个实施例中,用于生成一个或更多个图形代码节点以分配内存的API函数使一个或更多个系统生成或以其他方式实例化所述图形中的MemAlloc节点。在至少一个实施例中,应注意,API函数(诸如本文描述的那些API函数)可以使用任何适合的术语以任何合适的方式来表示,这些术语可以或可以不与所述API函数的一个或更多个功能相关。在至少一个实施例中,诸如本文中描述的那些之类的API函数的使用被称为API调用。
在至少一个实施例中,一个或更多个系统利用在下表中描述的参数,但是可以利用其任何变体:
在至少一个实施例中,在MemAlloc节点创建时,分配的API有效期开始。在至少一个实施例中,在API有效期时,可以由同一图形或其他图形中的其他节点使用分配。在至少一个实施例中,一个或更多个用户强制执行分配的拓扑有效期。
在至少一个实施例中,图形分配可以是对等可访问的,这是指允许具有来自多个设备的内核的图形访问相同的图形排序的内存分配。在至少一个实施例中,当创建所述图形分配时,params->accessDescs指定也必须将所述分配映射到的对等体。在至少一个实施例中,分配可以被映射在比被指定以适应与另一个图形拥有的分配共享物理页面的GPU更多的GPU上。在至少一个实施例中,accessDescs描述所需的最小访问。
在至少一个实施例中,一个或更多个系统通过以下代码定义用于生成一个或更多个图形代码节点以解分配所述图形中的内存(例如,MemFree节点)的API函数,但可以利用其任何变体:
其中,cuGraphAddMemFreeNode创建MemFree节点,其从MemAlloc节点释放分配。在至少一个实施例中,用于生成一个或更多个图形代码节点以解分配内存的API函数被表示为cuGraphAddMemFreeNode、GraphAddMemFreeNode、和/或其变型。在至少一个实施例中,用于生成一个或更多个图形代码节点以解分配内存的API函数使一个或更多个系统生成或以其他方式实例化所述图形中的MemFree节点。
在至少一个实施例中,一个或更多个系统利用在下表中描述的参数,但是可以利用其任何变体:
在至少一个实施例中,所有MemFree节点必须是其分配的MemAlloc节点的后代。
在至少一个实施例中,每个分配从图形间开始,因为每个分配不具有相应的释放。在至少一个实施例中,如果分配在其自己的图形中被释放,则它变成图形内分配,并且所述分配在随后的尝试中不能被释放。在至少一个实施例中,如果在所述图形中除了它的所有者之外释放所述分配和/或如果实例化了自己的图形,则没有释放的分配可以永久变成图形间的。在至少一个实施例中,一旦分配永久变成图形间的,一个或更多个系统就阻止在自己的图形中释放所述分配的后续尝试,然而,其他图形可以释放所述分配。在至少一个实施例中,当启动图形时,一个或更多个系统执行检查以确保分配不被双重分配或双重释放。
在至少一个实施例中,当启动所述图形时,并且所述图形的执行到达图形间分配的MemAlloc节点的点时,所述分配的执行有效期开始,并且在其执行有效期期间,所述分配可以被传递至在所述图形的执行之后排序的其他操作(例如,引用所述分配或流工作的其他图形)。
图2示出了根据至少一个实施例的启动图形的示例200。在至少一个实施例中,示例200包括在第一时间202(例如,t=t0)、后续第二时间204(例如,t=t1)和后续第三时间206(例如,t=t2)处启动一个或更多个图形的状态。在至少一个实施例中,图2中描绘的一个或更多个图形是诸如结合图1和本文中其他地方描述的那些之类的图形。在至少一个实施例中,一个或更多个系统利用一个或更多个API来获得代码,以至少实施执行所述图形(包括内存分配操作、内存复制操作,其可以或可以不与所述图形相关联)和执行另一图形(包括内存释放操作),将所述代码编译成可执行代码,并且在一个或更多个设备上执行所述可执行代码。
在至少一个实施例中,在第一时间202,一个或更多个系统启动所述图形,所述图形包括在设备(诸如GPU)上的内存分配操作。在至少一个实施例中,在第一时间202,所述图形使内存在所述设备上被分配。在至少一个实施例中,在第二时间204,内存复制操作可以访问在第一时间202分配的内存。在至少一个实施例中,所述内存复制操作是指在设备与另一设备之间复制数据的操作。在至少一个实施例中,所述内存复制操作通过所述图形、通过一个或更多个API或任何合适的方式结合所述设备执行,所述方式可以涉及或可以不涉及图形的使用。在至少一个实施例中,在第三时间206,一个或更多个系统启动另一个图形,该另一个图形包括在所述设备上的内存释放操作。在至少一个实施例中,在第三时间206,所述另一个图形使分配的内存被释放,其中所述分配的执行有效期结束。在至少一个实施例中,在第三时间206,虽然图2描绘了与所述另一个图形相关联的所述内存释放操作,但是所述内存释放操作能够以任何合适的方式执行,诸如通过所述另一个图形、通过一个或更多个API、或可以涉及或不涉及图形的使用的任何合适的方式。
在至少一个实施例中,分配的执行有效期可以通过一个或更多个API调用来结束,以在所述图形外释放所分配的内存,和/或通过启动包含用于所述分配的MemFree节点的所述图形来结束。在至少一个实施例中,所述分配在若干图形中被释放。在至少一个实施例中,为了在分配图形的每次启动之后释放所述分配,可以启动一个或更多个图形以释放所述分配。在至少一个实施例中,一个或更多个系统阻止试图分配仍然分配的分配的图形启动,但是在至少一个实施例中,允许这样的操作。在至少一个实施例中,一个或更多个系统阻止尝试释放已经释放的分配的启动,但是在至少一个实施例中,允许这样的操作。在至少一个实施例中,所述分配可以由或可以不由其执行有效期之外的各个操作访问。
在至少一个实施例中,每个分配与释放操作匹配。在至少一个实施例中,对于图形内分配,自己的图形包含MemAlloc节点和MemFree节点两者。在至少一个实施例中,对于图形间分配,在分配图形的每次执行之后执行一个或更多个释放操作(例如,MemFree)。在至少一个实施例中,一个或更多个系统结合下表定义所分配的内存释放操作(也称为释放)的行为,但是可以利用其任何变体:
其中,“cudaMallocAsync”表示分配内存的API函数,“cudaFreeAsync”表示释放所分配的内存的API函数。
在至少一个实施例中,一个或更多个系统通过以下代码定义使用流内存API函数,但是可以利用其任何变体:
“CUresult cuGraphUseStreamMem(CUgraphExec graphExec,CUstream stream)”
其中,所述API函数向一个或更多个系统指示将在指定流上启动指定图形,所述API函数使得一个或更多个系统能够使用由流自拥的内存来满足所述图形的内存要求,和/或所述API函数被用来减少所述图形的随后启动成流的延时。在至少一个实施例中,一个或更多个系统利用下表中描述的参数,但是可以利用其任何变体:
参数 | 描述 |
graphExec | 可考虑其内存要求的所述图形。 |
stream | 预期所述图形在其上启动的流。 |
在至少一个实施例中,一个或更多个系统通过以下代码定义用于修剪设备内存的API函数,但是可以利用其任何变体:
“CUresult cuDeviceGraphMemTrim(CUdevice device)”
其中,释放高速缓存在指定设备上的未使用内存可以与图形一起被利用回到一个或更多个操作系统(OS)。在至少一个实施例中,一个或更多个系统利用下表中描述的参数,但是可以利用其任何变体:
参数 | 描述 |
device | 应释放高速缓存内存的设备。 |
在至少一个实施例中,一个或更多个系统通过以下代码定义查询设备内存状态的属性,但是可以利用其任何变体:
其中,所述一个或更多个系统使用下表中描述的属性,但是可以使用其任何变体:
其中,所述一个或更多个系统通过以下代码定义用于获得属性的API函数,但是可以利用其任何变体:
“CUresult cuDeviceGraphMemoryGetAttribute(CUdevice device,CUdeviceGraphMem_attribute attr,void*value)”
其中,利用用于获取属性的所述API函数被用于查询内存使用统计并返回指定的内存属性信息。在至少一个实施例中,一个或更多个系统通过以下代码定义用于设置属性的API函数,但是可以利用其任何变体:
“CUresult cuDeviceGraphMemorySetAttribute(CUdevice device,CUdeviceGraphMem_attribute attr,void*value)”
其中,所述一个或更多个系统使用下表中描述的参数,但是可以使用其任何变体:
在至少一个实施例中,一旦所述图形包括MemAlloc或MemFree节点,一个或更多个系统就防止移除边或节点,但是在至少一个实施例中,允许此类操作。在至少一个实施例中,一个或更多个系统提供将新的边添加到所述图形中的功能。在至少一个实施例中,一个或更多个系统阻止具有MemAlloc或MemFree节点的图形被克隆或用作子图形,但是在至少一个实施例中,这样的操作是允许的。在至少一个实施例中,图形分配可以由子图形和可克隆图形中的节点访问,并且可以或可以不被分配或释放。在至少一个实施例中,一个或更多个系统阻止诸如边移除、节点删除、克隆、用作子图形、所述图形的多个同时实例化、以及各个其他操作之类的操作,但是在至少一个实施例中,所述一个或更多个系统允许所述操作中的一个或更多个操作。
在至少一个实施例中,一个或更多个系统提供了用于将结合流的各个API函数转换成结合图形的一个或更多个API函数的功能,这些API函数是通过下表定义的,但可以利用其任何变体:
在至少一个实施例中,显式图形API不允许一个或更多个调用者(例如,用户)将内存池传递至图形,但是在至少一个实施例中,允许此类操作。在至少一个实施例中,每个图形在内部维护其自己的资源。在至少一个实施例中,正被捕获的流API支持显式池(explicit pool)。在至少一个实施例中,为了支持捕获,一个或更多个系统利用捕获的池的属性用于节点参数的poolProps字段。在至少一个实施例中,一个或更多个系统利用所述池的身份。在至少一个实施例中,仅所述池的位置被用于捕获。在至少一个实施例中,一个或更多个系统利用流API池的对等映射来设置节点创建参数的accessDescs字段。在至少一个实施例中,对捕获的池的未来改变可以或可以不反映在节点的可访问性中。在至少一个实施例中,可以利用额外的映射。
在至少一个实施例中,一个或更多个系统阻止个体节点更新,但是在至少一个实施例中,允许个体节点更新。在至少一个实施例中,用于为内存节点设置参数的一个或更多个API由一个或更多个系统用于实例化的或未实例化的图形。在至少一个实施例中,改变分配使用的内存量可能会干扰在所述节点改变之后进行的其他分配的进行。在至少一个实施例中,分配可由可更新分配的其他图形节点利用。
在至少一个实施例中,一个或更多个系统防止多个同时实例化,但是在至少一个实施例中,允许多个同时实例化。在至少一个实施例中,一旦所述图形被实例化,该实例必须在所述图形可被再次实例化之前被毁掉。在至少一个实施例中,将所述图形传递到更新所述图形的一个或更多个API函数可以在将其实例化时进行计数。在至少一个实施例中,实例化的图形可以在其仍然运行时被毁掉。
在至少一个实施例中,一个或更多个系统提供了更新整个实例化的图形的功能。在至少一个实施例中,一个或更多个系统为包含内存节点的图形提供整个图形更新的功能。在至少一个实施例中,一个或更多个系统利用来自新图形的内存地址来整体替换现有地址。在至少一个实施例中,一个或更多个系统按顺序生成替换图形,导致没有依赖的节点放置问题。
在至少一个实施例中,一个或更多个系统提供了用于毁掉图形的功能。在至少一个实施例中,实例化的图形可以在它们运行时被毁掉。在至少一个实施例中,所述图形所使用的内存通过执行所述图形而保持可访问。在至少一个实施例中,任何图形间分配保持可访问,直到它们的执行有效期正常结束。在至少一个实施例中,毁掉拥有分配的最后一个图形立即结束该分配的API有效期。
在至少一个实施例中,一个或更多个系统提供了利用可以在所述图形实例化时被传递到所述图形的标志(flag)的功能,所述标志将改变所述一个或更多个系统如何处理那个图形所拥有的图形间分配。在至少一个实施例中,在启动所述图形之后,所述图形被分配的图形间内存可以用各个API函数释放以释放所分配的内存,或用另一个图形释放。在至少一个实施例中,一个或更多个系统利用由以下代码定义的标志,但可以利用其任何变体:
其中,当所述图形第二次启动(例如,并且此后的每次启动)时,所述标志使得由所述图形做出的任何未释放的图形间分配在所述启动之前被释放。在至少一个实施例中,跨多个启动将图形间分配用作输出缓冲区。在至少一个实施例中,在非初始启动之前利用标志来插入释放。在至少一个实施例中,通过标志,一个或更多个用户仍然可以手动地释放分配中的一些或全部。
在至少一个实施例中,可以在实例化时指定标志,这使得所述图形排他地拥有其物理内存。在至少一个实施例中,在同一流上执行的图形可以重用彼此的内存,并且修剪(trim)操作可以将内存释放回OS。在至少一个实施例中,当利用标志时,所述图形在实例化时立即由一个或更多个系统向其分配内存,并且所述内存不能被任何其他图形重用或通过修剪调用返回给OS,直到所述图形被毁掉之后,所述标志由以下代码表示,尽管可以利用其任何变体:
“#define CUDA_GRAPH_INSTANTIATE_FLAG_EXCLUSIVE_MEMORY 2。”
在至少一个实施例中,一个或更多个系统提供跟踪图形分配的功能。在至少一个实施例中,一旦返回至一个或更多个用户,则可以将图形排序的分配传递至图形中的节点,但是可以或可以不传递至流,直至其外部可见的执行有效期。
在至少一个实施例中,一个或更多个系统在与统一虚拟寻址(UVA)堆分开的堆中全局地跟踪图形分配。在至少一个实施例中,每个图形间分配在所述堆中具有条目。在至少一个实施例中,如果在同一个图形中分配被释放,则相应的条目被移除,否则,该条目保留,使得它可以被源自不同图形的图形间释放找到。
在至少一个实施例中,每个图形针对每个设备拥有池,在每个设备上每个图形拥有分配。在至少一个实施例中,驱动器内部池管理所述图形拥有的所有分配的虚拟内存。在至少一个实施例中,如果在分配期间,所述图形不具有用于分配指定的设备的池,则该设备上的新的每图形池由一个或更多个系统为所述图形创建。在至少一个实施例中,一个或更多个系统在需要时按需将分配池映射到对等设备上。在至少一个实施例中,没有创建额外的内部池,但在至少一个实施例中可以创建额外的内部池。在至少一个实施例中,由所述图形管理的内部池拥有与内存相关联的所有资源,但是存在由所述图形系统跟踪的其他资源。在至少一个实施例中,一个或更多个系统利用下表中描述的各个结构,但是可以利用其任何变体:
在至少一个实施例中,可以将图形分配作为操作数传递至所述图形内的节点,诸如执行内存复制操作、内存设置操作、内存释放操作、和/或其变体的节点。在至少一个实施例中,当验证参数时,一个或更多个系统(例如,驱动器)将检查全局堆以查看它是否落入所述图形分配内;如果是,则所述一个或更多个系统可以对照所述图形的图形间释放列表来检查所述分配,以确保所述图形尚未释放该分配。
在至少一个实施例中,当验证操作数时,一个或更多个系统利用本文描述的各个进程来定位图形内存。在至少一个实施例中,如果图形分配是图形间的,则它们在其执行有效期期间具有一个或更多个内存对象。在至少一个实施例中,一个或更多个系统从各个内存对象获得各个内存阻塞操作。在至少一个实施例中,一个或更多个系统至少部分地基于虚拟地址来备份内存。
在至少一个实施例中,一个或更多个系统使用如本文所述的用于克隆的一个或更多个进程来执行实例化。在至少一个实施例中,一个或更多个系统保留内存池。在至少一个实施例中,所述内存池跟踪每个块是否被映射,这对于从原始创建的所有图形而言可以是公共状态。在至少一个实施例中,一个或更多个系统复制块引用计数阵列。在至少一个实施例中,原始图中的未来分配不增加实例化的图形的物理内存占用空间。在至少一个实施例中,一个或更多个系统将拥有的、图形间分配的列表转换成可用于在启动路径上快速创建各个内存对象的状态。在至少一个实施例中,一个或更多个系统将释放复制成可用于移除各个内存对象的形式。
在至少一个实施例中,一个或更多个系统释放或以其他方式毁掉所述图形中的现有内存相关数据,并且将数据从新图形克隆到实例化的图形中。在至少一个实施例中,除了原始图形之外或代替原始图形,实例化的图形与新图形共享其分配的所有权。
在至少一个实施例中,子图形具有与母图形完全隔离的每图形数据。在至少一个实施例中,子图形的VA预留与母图形分离,并且一个或更多个系统阻止所述子图形具有任何图形间分配,但是在至少一个实施例中,所述一个或更多个系统允许这样的操作,但所述子图形可以访问其母图形的图形内分配。在至少一个实施例中,当启动母图形时,其还必须对其所有子图形执行与内存相关的启动步骤,从内存分配器的角度来看,这可以表现为几个图形启动。
图3示出了根据至少一个实施例的图形和内存分配的示例300。在至少一个实施例中,示例300包括所述图形在第一时间302(例如,t=t0)、后续第二时间304(例如,t=t1)和后续第三时间306(例如,t=t2)处的状态。在至少一个实施例中,图3中描述的一个或更多个图形是诸如结合图1至图2和本文中其他地方描述的那些的之类图形。在至少一个实施例中,一个或更多个系统利用一个或更多个API获得代码以执行各个图形操作,将所述代码编译成可执行代码,并且在一个或更多个设备上执行所述可执行代码。
在至少一个实施例中,池是指内存的集合或区域。在至少一个实施例中,每个图形池具有其自己的虚拟地址预留,该图形池使用堆来管理该虚拟地址预留;然而,当分配被释放时,所述分配可能不会被发送回所述堆。在至少一个实施例中,所述分配被释放到称为子池的本地堆中,其允许所述分配被所述图形中的MemFree节点的后代重用。
在至少一个实施例中,子池与主池(例如,所述图形池)相关联。在至少一个实施例中,释放到所述子池中的内存必须最初已经从所述主池被分配。在至少一个实施例中,所述子池支持分配有最小年龄(age)需求,其由被称为序列ID的整数表示。在至少一个实施例中,在每次释放到所述子池中时,所述子池的序列ID递增,并且新值与释放的内存相关联。在至少一个实施例中,一个或更多个系统提供序列ID,以使得所述图形的一个分叉即使在另一分叉已将内存释放到所述池中之后还能够通过指定来自所述分叉之前的较旧(例如,较低)的序列ID来继续从所述子池分配。
在至少一个实施例中,所述图形中的每个节点包含零个或更多个子池快照的列表。在至少一个实施例中,每个快照至少包括对所述子池的引用和/或当拍摄所述快照时所述子池的序列ID。在至少一个实施例中,当节点被创建时,所述节点将其所有依赖关系的快照复制到新的快照列表中,通过取得最高(例如限制最少)的序列ID来解析重复条目,这可被称为继承快照。在至少一个实施例中,当所述快照包含所述快照的子池的当前序列ID时,所述快照被认为是当前的。
在至少一个实施例中,除了继承快照列表外,MemFree节点在寻找当前的快照时也对其进行修改,如果不存在当前的快照,则所述MemFree节点创建新的子池并将其插入到所述快照列表中,当它们递增所选快照的序列ID并使用该序列ID将内存释放至子池中时,这导致MemFree节点拥有该子池唯一的当前快照。在至少一个实施例中,MemAlloc节点不修改它们继承的快照列表。在至少一个实施例中,MemAlloc节点试图以所述快照的序列ID作为最小年龄从每个快照列表分配,其中,如果所述快照是当前的,那么分配是不受限制的分配。
在至少一个实施例中,在启动时,图形拥有的图形间分配的列表由一个或更多个系统转换成一个或更多个内存对象,因为这些分配的外部有效期将要开始,因此所述分配可以用于依赖操作中。在至少一个实施例中,所述图形的非拥有的、释放的分配的列表用于移除一个或更多个内存对象。在至少一个实施例中,作为执行有效期的一部分,启动路径检查期望的内存对象存在或不存在。在至少一个实施例中,如果不满足期望,则所述启动失败。
在至少一个实施例中,在第一时间302,第一MemAlloc节点(例如,分配308)将总是从所述池中分配,因为没有先前的MemFree节点将内存放置到所述子池中。在至少一个实施例中,在第一时间302,分配308直接从所述主池分配。在至少一个实施例中,在第二时间304,一旦释放了所分配的内存,MemFree节点(例如,释放310)将创建其释放所述分配的新的子池,并且将利用新的单元素快照列表(例如,序列ID 312)来跟踪所述子池。在至少一个实施例中,在第二时间304,释放310将内存释放到所述新的子池中并在新的快照中将其跟踪为当前的。在至少一个实施例中,此时,所述快照和所述子池中的序列ID匹配且所述快照为当前的。在至少一个实施例中,在第三时间306,依赖型MemAlloc节点(例如,分配314或分配316),即使它们是顺序的或非顺序的,也可以尝试从所述子池中分配。在至少一个实施例中,在第三时间306,依赖型MemAlloc节点(例如,分配314或分配316)可以都尝试从相同子池进行分配。在至少一个实施例中,如果所述子池不能满足请求,则使用所述主池。在至少一个实施例中,如果只发生分配,则分配节点可以或可以不相对于彼此是无序的。
图4示出了根据至少一个实施例的图形中的分叉的示例400。在至少一个实施例中,示例400是图3的示例300的延续。在至少一个实施例中,图4中描述的一个或更多个图形是诸如结合图1至图3和本文中其他地方描述的那些之类的图形。在至少一个实施例中,示例400包括所述图形在第四时间402(例如,t=t3)、随后的第五时间404(例如,t=t4)和随后的第六时间406(例如,t=t5)处的状态。
在至少一个实施例中,在第四时间402,最初在分叉之后,所继承的快照将在所述分叉的两侧是当前的,但一旦一侧上发生释放,这将增加所述子池的所述序列ID,并且所述分叉的另一侧将不再是当前的。在至少一个实施例中,在第四时间402,另一MemFree节点释放318在左分叉上递增序列ID。在至少一个实施例中,所述分叉的非当前侧上的MemAlloc节点不会分配其他侧释放的内存,因为它们使用较旧的序列ID;如果它们分配了内存,则损坏可能发生,因为它们可能在释放之前分配内存。在至少一个实施例中,在第五时间404,右分叉MemAlloc节点分配316和分配320被限制为小于或等于1的序列ID。
在至少一个实施例中,非当前侧上的附加释放322需要创建另一子池,因为仅可从当前快照释放到子池。在至少一个实施例中,在第六时间406,右分叉释放322需要当前子池并创建新子池(例如,对应于序列ID324)。在至少一个实施例中,如果允许释放,则所述当前侧上的MemAlloc节点可能在其被释放之前重新分配内存,这导致损坏。在至少一个实施例中,所述图形中的分叉能够无限制地共享预分叉子池,直到所述分叉之一中的释放将该子池用于一侧为止。
在至少一个实施例中,一个或更多个系统统一图形内分配和图形间分配的各个方面。在至少一个实施例中,一个或更多个系统计算并跟踪所述图形分配或释放VA空间的给定块的次数。在至少一个实施例中,当所述图形运行时,每个块需要被一个或更多个系统映射到空闲的物理内存(例如,其没有未完成的分配)。在至少一个实施例中,一个或更多个系统在启动时间执行重新映射。
图5示出了根据至少一个实施例的块引用计数阵列的示例500。在至少一个实施例中,示例500包括块引用计数阵列在第一时间502(例如,t=t0)、后续第二时间504(例如,t=t1)和后续第三时间506(例如,t=t2)的状态。
在至少一个实施例中,每个图形与被划分成固定大小的块的虚拟地址(VA)预留相关联。在至少一个实施例中,VA预留是指指示用于分配内存的虚拟地址的数据集。在至少一个实施例中,块是两个图形分配的物理分配的单位。在至少一个实施例中,因为每个图形具有其自己的VA预留,所以每个VA块对于活的和/或未毁掉的图形是唯一的。在至少一个实施例中,每个图形还具有图形局部引用计数的阵列(也被称为引用计数),其中它拥有的区域的每个块的元素被称为块引用计数阵列。
在至少一个实施例中,在第一时间502,初始化所述图形。在至少一个实施例中,在第一时间502,块以图形局部引用计数0开始。在至少一个实施例中,在第二时间504,当进行分配时,包含所述分配的一部分的每个VA块使其图形局部引用计数增加。在至少一个实施例中,在第二时间504,一个或更多个系统迭代通过所述块引用计数阵列并递增计数。在至少一个实施例中,在第三时间506,创建所述空闲节点涉及递减图形局部引用计数的一个或更多个系统。在至少一个实施例中,对于图形间释放,引用计数被包含在所述块引用计数阵列内,所述块引用计数阵列可以由一个或更多个系统直接递减。在至少一个实施例中,对于图形间释放,不修改分配图形的图形局部引用计数,而是一个或更多个系统创建代理块引用计数阵列。在至少一个实施例中,如果另一个图形间释放影响相同的(例如,外部的)VA块,则可通过再次释放图形来使用所述代理。
在至少一个实施例中,作为实例化的一部分,一个或更多个系统通过利用最后用于启动所述图形的流来执行与预启动相关联的各个映射和物理内存分配操作,这可以减少与第一启动操作相关联的开销。
在至少一个实施例中,为了支持同一流中的一个或更多个图形重用彼此的物理内存,一个或更多个系统为来自流拥有的池的图形分配内存。在至少一个实施例中,池可以拥有来自若干设备的内存并且完全在内部。
在至少一个实施例中,包含在池内的内存朝向总数计数,该总数可以通过一个或更多个API函数(诸如“cuDeviceGetGraphMemPool()”函数)通过池来查询。
在至少一个实施例中,在启动之前,来自启动流的物理内存被用于支持所述图形在预启动阶段中做出的所有分配。在至少一个实施例中,一个或更多个系统使用基于每流高速缓存的物理内存以确保在不同流上启动的图形之间不引入串行化。在至少一个实施例中,一个或更多个系统提供重新启动同一流中的图形以重用相同物理内存的功能。在至少一个实施例中,在启动之后,当所述图形的完成标记已知时,一个或更多个系统更新跟踪数据,从而使得可以在后启动阶段中准确地跟踪分配的有效期。
在至少一个实施例中,在预启动期间,曾经支持所述图形拥有的分配的所有VA块被一个或更多个系统从启动流的物理页面高速缓存映射到物理内存,所述物理页面高速缓存包括具有图形局部引用计数0的VA块(例如,对于仅包含图形内分配的VA块)。在至少一个实施例中,图形重用来自图形间释放的分配,其中支持图形的VA预留内的分配。
图6示出了根据至少一个实施例的虚拟地址预留的示例600。在至少一个实施例中,示例600包括在第一时间602(例如,t=t0)和在随后的第二时间604(例如,t=t1)的虚拟地址预留。
在至少一个实施例中,每个物理块包括至少三个主字段:对自己的流的引用(例如,图6中的“流ID”)、从所述块上一次达到引用计数0开始的流的序列ID(例如,图6中的“序列ID”)、和/或对多少个分配正在使用所述块的引用计数(例如,图6中的“引用计数”)。在至少一个实施例中,如果所述引用计数是0,则另一图形可以通过确保其已经获取了自己的流的序列ID来使用所述块。在至少一个实施例中,在第一时间602,具有值0的VA块仅包含图形内分配,并且具有值1的VA块包含所述图形中未释放的至少一个分配。
在至少一个实施例中,当启动之前已经被映射至物理块的所述图形时,一个或更多个块可能不可用,诸如当在启动之间一个块被尚未被释放的图形间分配使用时。在至少一个实施例中,所述启动过程检查任何图形拥有的VA块是否被映射到具有非零引用计数的物理内存;如果是,则在启动之前需要重新映射那些块。在至少一个实施例中,作为说明性示例,如果现有物理块具有引用计数1,则重新映射必须由一个或更多个系统执行。在至少一个实施例中,如果物理内存具有零引用计数,则所述启动过程获取它们的序列ID以确保内存的释放被适当地获取(例如,是在同一流中释放的内存的无操作)。
在至少一个实施例中,在预启动期间,保留所述图形正在使用的块,使得针对重新映射发生的任何分配都不重用已经映射到该图形的空闲块,并且使得其他启动在所述图形启动期间不重用这些块(例如,当丢弃所有与内存相关的锁时)。在至少一个实施例中,可分页内存复制操作可以阻止所述启动,直到其完成。
在至少一个实施例中,一个或更多个系统在后启动阶段中将图形局部计数添加到块中,这包括来自代理引用计数对象的递减。在至少一个实施例中,代理允许物理块在它们丢弃引用计数时从分配去到释放状态。在至少一个实施例中,在第二时间604,将图形局部计数(例如,在图6中描绘为“VA块”)应用于未分配的块(例如,在图6中描绘为“物理块”)。在至少一个实施例中,将图形局部计数应用于引用计数字段。在至少一个实施例中,如果所述图形释放任何块(例如,导致引用计数为0),则流的序列ID被提前并且新的值与那些块相关联。在至少一个实施例中,虽然所述序列ID是在预启动时确定的,但是所述图形的完成标记可能不是,并且检查当前序列ID的完成可能需要读取所述图形的标记。在至少一个实施例中,当所述标记已经被更新时,一个或更多个系统发布预启动的人工引用计数,并且分配所述序列ID。
在至少一个实施例中,所述图形在它被毁掉时可能正在运行。在至少一个实施例中,如果所述图形在它被毁掉时正在运行,所述图形的物理内存不能被释放至OS,所述图形的映射也不能被移除,直到所述图形已经完成。在至少一个实施例中,所述图形的物理内存可以由启动重用,该启动获取该物理内存(例如,当在同一流中重用内存时,其可以是无操作),但是移除映射必须在主机上完成。
在至少一个实施例中,一个或更多个系统通过图形内存节点提供利用图形来分配内存、利用分配的内存和释放分配的内存的功能。在至少一个实施例中,图形内存节点允许图形进行并拥有内存分配。在至少一个实施例中,图形内存节点具有GPU排序活跃度语义,其实现对各个流排序分配API(诸如用于分配内存和释放分配内存的那些API)的流捕获,并且还实现驱动器管理的内存重用。
在至少一个实施例中,图形分配(例如,内存分配)在所述图形及其实例化的有效期上具有固定地址,这允许当分配新内存时,由所述图形内的其他操作直接引用内存,而无需所述图形更新。在至少一个实施例中,在所述图形内,其图形排序有效期不重叠的分配可以使用相同的固定地址和底层物理内存资源。
在至少一个实施例中,GPU排序活跃度语义使得一个或更多个驱动器能够将相同的物理内存虚拟地别名化成来自多个图形的分配。在至少一个实施例中,只要图形全部在相同的流中被启动并且释放它们自己的分配,驱动器可以虚拟地对相同的物理内存进行别名化以满足那些图形的需要。在至少一个实施例中,活跃度被称为“GPU排序的”,因为在分配图中未被释放的分配遵循所述图形内部的各个图形排序语义和所述分配图形的启动与释放操作之间的流排序语义(例如,这可以利用所述图形内的节点或利用释放调用(诸如释放所分配的内存的一个或更多个API调用)来完成)。
图7示出了根据至少一个实施例的地址重用的示例700。在至少一个实施例中,示例700包括在第一时间702(例如,t=t0)和在随后的第二时间704(例如,t=t1)的所述图形。在至少一个实施例中,图7中描绘的一个或更多个图形是诸如结合图1-4和本文其他地方描述的那些图形之类的图形。在至少一个实施例中,分配706、新分配710和新分配714是用于内存分配的节点,诸如本文中描述的那些。在至少一个实施例中,空闲708和空闲712是用于释放内存的节点,诸如本文中描述的那些节点。
在至少一个实施例中,所述驱动器至少通过基于虚拟地址分配重用所述图形内的内存、在具有虚拟别名化的图形之间重用和/或其变型,来重用内存,其中不同的图形可以映射被映射到它们的虚拟地址的同一物理内存。在至少一个实施例中,所述驱动器在分配节点创建期间分配虚拟地址,允许虚拟地址用于所述图形中。在至少一个实施例中,地址被固定并且在图形实例化和启动操作中保持不变。在至少一个实施例中,如果所述图形分配在分配图形中被释放,则只要存在在释放分配节点之后对新分配节点进行排序的图形依赖关系边,则同一图形中的后续图形分配节点就可以重用虚拟地址范围。
在至少一个实施例中,在第一时间702,新的分配节点分配710可以重用由依赖节点释放708释放的地址。在至少一个实施例中,在第二时间704,新的分配节点分配714对释放节点释放712不具有依赖关系,因此所述新的分配节点不能使用来自关联的分配节点分配710的地址。在至少一个实施例中,在第二时间704,如果分配节点分配710使用由释放节点释放708释放的地址,则新的分配节点分配714将需要新的地址。
图8示出了根据至少一个实施例的图形之间的物理内存共享的示例800。在至少一个实施例中,图形1 802、图形2 806、图形3 812和图形4 814是诸如结合图1-4、图7以及本文中其他地方描述的那些之类的图形。在至少一个实施例中,图形1 802利用物理内存1804,图形2 806利用物理内存2 808,并且释放(图形1内存)810是释放图形1所利用的内存的操作。
在至少一个实施例中,同一流中的图形可以共享物理内存,因为它们不并发运行。在至少一个实施例中,参考图8,未释放的分配阻止了图形2 806共享来自图形1 802的物理内存。在至少一个实施例中,由于在图形3 812启动时内存将是空闲的,因此图形3 812可以使用来自图形1 802(例如,物理内存1 804)或图形2 806(例如,物理内存808)的物理内存。在至少一个实施例中,图形3 812利用物理内存1 804。在至少一个实施例中,参考图8,图形4 814以单独的流启动并且不能使用相同的内存,除非在图形4 814启动之前其他流已经完成其工作。
在至少一个实施例中,在按GPU顺序到达分配节点之前,所述驱动器将物理内存映射到虚拟地址。在至少一个实施例中,对于使用相同的物理内存的多个图形,它们不能同时运行。在至少一个实施例中,当所述图形分配保持未被释放时,对应的物理页面不能被其他图形使用。在至少一个实施例中,在图形启动时间,所述驱动器使用已启动的图形和排队的内存操作的流排序来确定将可用于由启动图形使用的物理内存。在至少一个实施例中,所述驱动器平衡最小化重新映射操作的需求与最小化各个图形内存节点的总物理内存占用空间。在至少一个实施例中,所述驱动器利用排序信息来将同一物理内存映射到多个分配。
在至少一个实施例中,一个或更多个系统(例如,一个或更多个编程模型的所述驱动器)将物理内存与流相关联,并且当在图形启动期间创建新映射时使用与启动流相关联的物理内存来划分优先级。在至少一个实施例中,一个或更多个系统将同一物理内存映射到使用虚拟别名化在同一流上启动的多个图形,因为流命令对图形的执行。
在至少一个实施例中,将同一图形启动到不同的流中可能需要针对该图形或在原始流中启动的后续图形进行重新映射。在至少一个实施例中,当同一图形被启动到不同的流中时,所述驱动器替换物理内存(例如,使得物理内存将继续被在原始流中运行的其他图形重用而没有惩罚)和/或将物理内存与新流相关联(例如,避免对当前图形的重新映射并允许在新流中启动的未来图形划分共享物理内存的优先级)。
在至少一个实施例中,为了防止非活动流保持在高速缓存内存上,一个或更多个系统将来自其他流的物理内存重新分配给启动流,而不是分配更多的内存。在至少一个实施例中,当所述驱动器可以安全地这么做而无需插入错误依赖关系时,所述驱动器重新分配内存。
图9示出了根据至少一个实施例的使用图形来分配内存的过程900的示例。在至少一个实施例中,过程900(或本文描述的任何其他过程,或其变型和/或组合)中的一些或全部在配置有计算机可执行指令的一个或更多个计算机系统的控制下执行,并且被实现为由硬件、软件或其组合在一个或更多个处理器上共同执行的代码(例如,计算机可执行指令、一个或更多个计算机程序、或一个或更多个应用)。在至少一个实施例中,代码以计算机程序的形式存储在计算机可读存储介质上,该计算机程序包括可由一个或更多个处理器执行的多个计算机可读指令。在至少一个实施例中,计算机可读存储介质是非暂时性计算机可读介质。在至少一个实施例中,不仅仅使用瞬态信号(例如,传播的瞬态电或电磁传输)来存储可用于执行过程900的至少一些计算机可读指令。在至少一个实施例中,非暂时性计算机可读介质不一定包括在瞬态信号的收发器内的非暂时性数据存储电路(例如,缓冲区、高速缓存和队列)。
在至少一个实施例中,过程900由一个或更多个系统(如本公开中所描述的那些)执行。在至少一个实施例中,一个或更多个系统包括具有一个或更多个硬件和/或软件资源的集合的任何合适的系统,所述一个或更多个硬件和/或软件资源具有指令,所述指令在被执行时执行内存分配和/或解分配过程(诸如本文中描述的那些过程)。在至少一个实施例中,过程900由一个或更多个编程模型的系统执行。在至少一个实施例中,过程900的一个或更多个过程以任何合适的顺序(包括顺序、并行和/或其变型)使用任何合适的处理单元(例如CPU、GPU、PPU和/或其变型)来执行。
在至少一个实施例中,执行过程900的至少一部分的所述系统包括用于至少获得902代码的可执行代码,所述代码指示至少生成一个或更多个图形代码节点。在至少一个实施例中,一个或更多个图形代码节点包括对应于内存分配操作的节点,如MemAlloc节点。在至少一个实施例中,MemAlloc节点(也被称为与内存分配操作对应的图形代码节点或用于分配内存的图形代码节点)对与内存分配有关的信息(诸如待分配的内存的属性、待分配的内存的大小、对待分配的内存的约束、待分配的内存的地址和/或任何合适的信息)进行编码。
在至少一个实施例中,所述代码至少指示一个或更多个图形代码节点(如MemAlloc节点)的生成和/或包括所述一个或更多个图形代码节点的图形的启动。在至少一个实施例中,所述代码利用一个或更多个API来至少指示一个或更多个图形代码节点的生成。在至少一个实施例中,所述代码包括用于生成一个或更多个图形代码节点的一个或更多个API调用。在至少一个实施例中,所述系统编译和执行所述代码。在至少一个实施例中,所述系统通过将所述代码转换成可执行代码并执行所述可执行代码来执行代码。可以在图30-39的描述中找到与编译和执行代码有关的进一步信息。
在至少一个实施例中,执行过程900的至少一部分的所述系统包括用于至少执行904API以生成一个或更多个图形代码节点以分配内存的可执行代码。在至少一个实施例中,作为利用一个或更多个API执行所获得的代码的一部分,所述系统执行与在所述代码中利用的所述一个或更多个API对应的一个或更多个API。在至少一个实施例中,所述系统通过生成或以其他方式实例化一个或更多个MemAlloc节点来执行API,以生成一个或更多个图形代码节点以分配内存。
在至少一个实施例中,所述系统基于所述API的可以用代码指示的参数值来执行API,诸如本文中描述的那些。在至少一个实施例中,参数值是指API的参数的值,诸如本文中描述的那些,并且包括任何合适的数据,诸如数值、数据结构、数据对象和/或其变体。在至少一个实施例中,作为说明性示例,代码利用API来生成分配内存的一个或更多个图形代码节点,并且包括待分配的内存大小的参数值,其中所述系统执行所述API来生成用于分配所述内存大小的内存的一个或更多个图形代码节点。在至少一个实施例中,所述系统执行API,诸如本文中描述的那些,其中所述API的执行导致到由所述API的参数值指示的一个或更多个数据结构、数据对象、位置和/或其变体的数据输出。在至少一个实施例中,作为说明性示例,所述系统执行API以生成一个或更多个图形代码节点以分配内存,其中诸如分配的内存的地址之类的数据被输出至一个或更多个数据结构、数据对象、位置和/或其变体(例如,由参数值指示)。
在至少一个实施例中,所述系统生成或以其他方式获得所述图形,所述图形也被称为图形数据结构。在至少一个实施例中,所述系统生成作为所述图形数据结构的一部分的用于分配内存的一个或更多个图形代码节点(例如,MemAlloc节点)。在至少一个实施例中,用于生成一个或更多个图形代码节点以分配内存的API使用以下符号来表示,但可以利用其任何变体,诸如本文中描述的那些:
其中,“GraphNode”返回创建的节点,“Graph”指示要添加所述节点的所述图形,“dependencies”指示所述节点的依赖关系,“numDependencies”指示所述节点的依赖关系的数量,并且“params”指示所述节点的参数,并且所述API使用任何合适的表示法来表示,其可以引用或者可以不引用编程模型,并且除上述那些之外或者代替上述那些,可以包括任何合适的参数,其可以使用任何合适的表示法来表示,其可以引用或者可以不引用编程模型。在至少一个实施例中,所述系统生成用于所述图形数据结构的可执行文件,所述可执行文件指文件、程序、代码、数据和/或其变体,它们当被执行时,使设备执行由所述图形数据结构指示的一个或更多个操作。
在至少一个实施例中,执行过程900的至少一部分的所述系统包括至少用于启动906图形以至少使内存被分配的可执行代码。在至少一个实施例中,所述系统向一个或更多个设备提供用于所述图形数据结构的所述可执行文件。在至少一个实施例中,一个或更多个设备包括任何合适的设备,例如GPU、PPU、CPU、GPGPU和/或其变型。在至少一个实施例中,所述系统在一个或更多个设备上启动所述图形,这是指使所述一个或更多个设备执行所述图形的一个或更多个操作(例如,通过用于所述图形的所述可执行文件)的过程。在至少一个实施例中,所述系统通过向所述一个或更多个设备提供用于所述图形的所述可执行文件来在所述一个或更多个设备上启动所述图形,其中,所述一个或更多个设备执行用于所述图形的所述可执行文件,并且作为所述执行的一部分,以任何合适的方式(诸如顺序地、并行地和/或其变型)执行由所述图形的一个或更多个节点指示的一个或更多个操作。在至少一个实施例中,作为执行所获得的代码的一部分,所述系统在一个或更多个设备上启动所述图形。
在至少一个实施例中,所述系统使一个或更多个设备分配内存,以及通过在所述一个或更多个设备上启动一个或更多个图形来执行一个或更多个操作,所述一个或更多个图形包括用于分配内存的至少一个或更多个图形代码节点和对应于所述一个或更多个操作的一个或更多个图形代码节点。在至少一个实施例中,所述系统使一个或更多个设备通过在所述一个或更多个设备上启动所述图形数据结构来使用分配的内存执行所述图形数据结构所指示的操作集,所述一个或更多个设备包括指示所述操作集和所述分配的内存的使用的至少一个或更多个图形代码节点。
在至少一个实施例中,所述系统利用一个或更多个图形代码节点来分配内存。在至少一个实施例中,所述系统通过在一个或更多个设备上启动包括所述一个或更多个图形代码节点的所述图形,使一个或更多个设备基于用于分配内存的一个或更多个图形代码节点来分配内存。在至少一个实施例中,所述系统使一个或更多个设备通过一个或更多个操作系统功能来分配内存。在至少一个实施例中,所述系统在一个或更多个设备上分配内存。在至少一个实施例中,一个或更多个设备通过利用在所述一个或更多个图形代码节点中编码的信息来分配内存,使用一个或更多个图形代码节点来分配内存。在至少一个实施例中,作为说明性示例,用于分配内存的所述图形代码节点对指示分配大小的信息进行编码,其中设备分配具有所述大小的内存。在至少一个实施例中,一个或更多个设备通过标识合适的内存区域(例如,基于在所述图形代码节点中编码的用于分配内存的信息,或从由一个或更多个系统(诸如CPU)提供的信息中)并且指示所述合适的内存区域(也称为所分配的内存)被保留和/或用于一个或更多个操作来分配内存。在至少一个实施例中,一个或更多个系统(诸如CPU)标识合适的内存区域(例如,基于用于分配内存的一个或更多个图形代码节点)并且将所述标识的内存区域提供给一个或更多个设备,其中所述一个或更多个设备利用所述标识的内存区域来分配内存。
在至少一个实施例中,一个或更多个设备利用所分配的内存来执行一个或更多个操作。在至少一个实施例中,执行过程900的至少一部分的所述系统包括用于至少获取指示一个或更多个操作的第二图形数据结构并在一个或更多个设备上启动所述第二图形数据结构以使所述一个或更多个设备利用所分配的内存来执行所述一个或更多个操作的可执行代码。在至少一个实施例中,结合第一图形数据结构分配的内存可用于执行由所述第一图形数据结构和/或第二图形数据结构指示的操作。在至少一个实施例中,一个或更多个设备在完成一个或更多个操作时解分配所分配的内存。
图10示出了根据至少一个实施例的使用图形解分配内存的过程1000的示例。在至少一个实施例中,过程1000(或本文描述的任何其他过程,或其变体和/或组合)中的一些或全部在配置有计算机可执行指令的一个或更多个计算机系统的控制下执行,并且被实现为由硬件、软件或其组合在一个或更多个处理器上共同执行的代码(例如,计算机可执行指令、一个或更多个计算机程序、或一个或更多个应用)。在至少一个实施例中,代码以计算机程序的形式存储在计算机可读存储介质上,该计算机程序包括可由一个或更多个处理器执行的多个计算机可读指令。在至少一个实施例中,计算机可读存储介质是非暂时性计算机可读介质。在至少一个实施例中,不仅仅使用瞬态信号(例如,传播的瞬态电或电磁传输)来存储可用于执行过程1000的至少一些计算机可读指令。在至少一个实施例中,非暂时性计算机可读介质不一定包括在瞬态信号的收发器内的非瞬态数据存储电路(例如,缓冲区、高速缓存、和队列)。
在至少一个实施例中,过程1000由一个或更多个系统(如本公开中所描述的那些)执行。在至少一个实施例中,一个或更多个系统包括具有一个或更多个硬件和/或软件资源的集合的任何合适的系统,所述一个或更多个硬件和/或软件资源具有指令,所述指令在被执行时执行内存分配和/或解分配过程(诸如本文中描述的那些过程)。在至少一个实施例中,过程1000由一个或更多个编程模型的系统执行。在至少一个实施例中,过程1000的一个或更多个过程以任何合适的顺序(包括顺序、并行和/或其变型)使用任何合适的处理单元(例如CPU、GPU、PPU和/或其变型)来执行。
在至少一个实施例中,执行过程1000的至少一部分的所述系统包括至少用于获得1002至少指示生成一个或更多个图形代码节点的代码的可执行代码。在至少一个实施例中,一个或更多个图形代码节点包括与内存解分配操作相对应的节点,诸如MemFree节点。在至少一个实施例中,MemFree节点,也称为对应于内存解分配操作的图形代码节点或用于解分配或释放内存的图形代码节点,编码关于内存解分配的信息,例如待解分配的内存的属性、待解分配的内存的大小、对待解分配的内存的约束、待解分配的内存的地址和/或任何合适的信息。在至少一个实施例中,所述代码至少指示生成一个或更多个图形代码节点(诸如MemFree节点)和/或启动包括所述一个或更多个图形代码节点的图形。在至少一个实施例中,所述代码利用一个或更多个API来至少指示一个或更多个图形代码节点的生成。在至少一个实施例中,所述代码包括用于生成一个或更多个图形节点的一个或更多个API调用。在至少一个实施例中,所述系统编译和执行代码。可以在图30至图39的描述中找到与编译和执行代码有关的进一步信息。
在至少一个实施例中,执行过程1000的至少一部分的所述系统包括可执行代码,其至少用于执行1004API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,所述系统执行API,以通过生成或以其他方式实例化一个或更多个MemFree节点来生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,所述系统生成或以其他方式获得所述图形数据结构。在至少一个实施例中,所述系统生成作为所述图形数据结构的一部分的一个或更多个图形代码节点,以解分配内存(例如,MemFree节点)。在至少一个实施例中,使用以下表示法来表示用于生成用于解分配内存的一个或更多个图形代码节点的API,但可利用其任何变体,诸如本文中描述的那些变型:
其中,“GraphNode”返回创建的节点,“Graph”指示要添加所述节点的所述图形,“dependencies”指示所述节点的依赖关系,“numDependencies”指示所述节点的依赖关系的数量,并且“dptr”指示要释放的内存的地址,并且所述API使用任何合适的表示法(其可以引用或者可以不引用编程模型)来表示,并且除上述那些之外或者代替上述那些,可以包括任何合适的参数,其可以使用任何合适的表示法来表示,其可以引用或者可以不引用编程模型。在至少一个实施例中,所述系统生成用于所述图形数据结构的所述可执行文件。
在至少一个实施例中,执行过程1000的至少一部分的所述系统包括至少用于启动1006图形以至少使内存被解分配的可执行代码。在至少一个实施例中,所述系统通过向一个或更多个设备提供所述图形的所述可执行文件来在所述一个或更多个设备上启动所述图形,其中,所述一个或更多个设备执行所述图形的所述可执行文件,并且作为所述执行的一部分,以任何合适的方式(诸如顺序地、并行地和/或其变型)执行由所述图形的一个或更多个节点指示的一个或更多个操作。在至少一个实施例中,一个或更多个设备通过利用在所述一个或更多个图形代码节点中编码的信息解分配内存,而使用一个或更多个图形代码节点来解分配内存,从而解分配内存。在至少一个实施例中,作为说明性示例,用于解分配内存的所述图形代码节点编码指示分配的地址的信息,其中设备对位于所述地址处的内存进行解分配。
在至少一个实施例中,所述系统通过在一个或更多个设备上启动图形,使所述一个或更多个设备分配内存和解分配所分配的内存,所述图形至少包括用于分配内存的一个或更多个图形代码节点和用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,所述系统通过在一个或更多个设备上启动第一图形以及在所述一个或更多个设备上启动第二图形来使所述一个或更多个设备分配内存和解分配所分配的内存,所述第一图形至少包括用于分配内存的一个或更多个图形代码节点,所述第二图形包括用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,所述系统使一个或更多个设备使用分配内存来执行一个或更多个操作,并且通过在所述一个或更多个设备上启动一个或更多个图形来解分配所分配的内存,所述一个或更多个图形至少包括对应于所述一个或更多个操作的一个或更多个图形代码节点和用于解分配内存的一个或更多个图形代码节点。
在至少一个实施例中,一个或更多个设备基于在用于解分配内存的一个或更多个图形代码节点中编码的信息来解分配内存,其中,所述内存由所述一个或更多个设备基于作为所述图形的一部分的用于分配内存的一个或更多个图形代码节点来分配,所述图形包括用于解分配内存的所述一个或更多个图形代码节点。在至少一个实施例中,一个或更多个设备基于在用于解分配内存的一个或更多个图形代码节点中编码的信息来解分配内存,其中所述内存由所述一个或更多个设备基于作为与包括用于解分配内存的所述一个或更多个图形代码节点的图形不同的图形的一部分的用于分配内存的一个或更多个图形代码节点来分配。在至少一个实施例中,一个或更多个设备基于在用于解分配内存的一个或更多个图形代码节点中编码的信息来解分配内存,其中所述内存由所述一个或更多个设备基于一个或更多个内存分配过程(诸如可能涉及或可能不涉及图形使用的那些过程)来分配。
在至少一个实施例中,所述系统利用一个或更多个图形代码节点来解分配内存。在至少一个实施例中,所述系统使一个或更多个设备通过一个或更多个操作系统功能来解分配内存。在至少一个实施例中,所述系统解分配一个或更多个设备上的内存。在至少一个实施例中,作为说明性示例,一个或更多个设备通过识别分配的内存的适当区域(例如,基于在用于解分配内存的所述图形代码节点中编码的信息,或从由一个或更多个系统(诸如CPU)提供的信息)并指示所述分配的内存的适当区域未被保留和/或未用于一个或更多个操作来解分配内存。在至少一个实施例中,诸如CPU之类的一个或更多个系统识别合适的内存区域(例如,基于用于解分配内存的一个或更多个图形代码节点),并将所述识别的内存区域提供给一个或更多个设备,其中所述一个或更多个设备利用所述识别的内存区域来解分配内存。
在至少一个实施例中,一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,用于生成用于分配和解分配内存的一个或更多个图形代码节点的API使用任何合适的表示法(其可以引用或可以不引用编程模型)来表示,并且可以包括任何合适的参数,诸如本文中描述的那些参数,这些参数可以使用任何合适的表示法来表示,这些表示法可以引用编程模型或者可以不引用编程模型,其中,所述参数包括一个或更多个操作、一个或更多个节点、一个或更多个图形、所述一个或更多个节点的属性、依赖关系的属性,待分配和/或待解分配的内存的属性、待分配和/或待解分配的内存的约束和/或任何合适的参数的指示。
在至少一个实施例中,一个或更多个系统通过生成用于分配内存的第一图形代码节点和用于解分配内存的第二图形代码节点来执行API以生成用于分配和解分配内存的一个或更多个图形代码节点,其可以是一个或更多个图形的一部分(例如,所述第一图形代码节点和所述第二图形代码节点可以是同一图形或不同图形的一部分)。在至少一个实施例中,一个或更多个系统通过生成用于为一个或更多个操作(例如,通过所述API的参数指示的)分配内存的第一图形代码节点和用于解分配所述内存的第二图形代码节点,来执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,一个或更多个系统在一个或更多个设备上启动至少包括MemAlloc节点和MemFree节点的一个或更多个图形,以使所述一个或更多个设备至少分配和解分配内存。
在至少一个实施例中,API(诸如本文描述的那些API)是驱动程序API或运行时API。在至少一个实施例中,驱动程序API是可以称为引用编程模型(例如,CUDA驱动程序API)的低级别API。在至少一个实施例中,驱动程序API直接与一个或更多个设备交互。在至少一个实施例中,运行时API是可以称为引用编程模型(例如,CUDA运行时API)的高级别API。在至少一个实施例中,运行时API利用驱动程序API来操作。可以在图31的描述中找到关于驱动程序API和运行时API的进一步信息。
在至少一个实施例中,图形内存节点是表示内存分配或释放动作的图形节点。在至少一个实施例中,分配内存的节点被称为分配节点。在至少一个实施例中,释放内存的节点被称为释放节点。在至少一个实施例中,通过图形内存节点创建的分配被称为图形分配。在至少一个实施例中,每次所述图形运行时都考虑重新进行分配。在至少一个实施例中,一个或更多个系统不保证缓冲区的先前内容在那里(例如,由于重用)。
在至少一个实施例中,图形内存节点由一个或更多个系统在所述图形内通过依赖关系边进行排序。在至少一个实施例中,一个或更多个用户在利用所述图形时,必须确保访问图形内存的操作必须在分配节点之后进行排序和/或必须在释放内存的操作之前进行排序。在至少一个实施例中,GPU排序是指确定何时在GPU上执行工作的流和/或图形顺序。在至少一个实施例中,所述驱动器在节点创建时为所述图形分配分配虚拟地址。在至少一个实施例中,一个或更多个系统针对分配节点的有效期修复地址,其中分配内容在释放操作后不是持久的。
在至少一个实施例中,图形内存节点被显式地创建为具有各个API函数,诸如cudaGraphAddMemAllocNode、cudaGraphAddMemFreeNode、和/或其变型(诸如本文描述的那些),其可以任何合适的方式表示。在至少一个实施例中,cudaGraphAddMemAllocNode使用分配的虚拟地址填充通过的CUDA_MEM_ALLOC_NODE_PARAMS结构的dptr字段。在至少一个实施例中,使用分配图形内部的图形分配的所有操作必须在分配节点之后被排序。在至少一个实施例中,任何释放节点必须在所述图形内的分配全部使用之后被排序。在至少一个实施例中,CudaGraphAddMemFreeNode创建释放节点。
在至少一个实施例中,一个或更多个系统通过以下代码创建所述图形,但可以利用其任何变体:
“//Create graph-it starts out empty
cudaGraphCreate(&graph,0);
//parameters for a basic allocation
cudaMemAllocNodeParams params={};
params.poolProps.allocType=cudaMemAllocationTypePinned;
params.poolProps.location.type=cudaMemLocationTypeDevice;
//specify device 0as resident device
params.poolProps.location.id=0;
params.bytesize=size;
cudaGraphAddMemAllocNode(&allocNode,graph,NULL,0,&allocParams);
nodeParams->kernelParams[0]=allocParams.dptr;
cudaGraphAddKernelNode(&a,graph,&allocNode,1,&nodeParams);
cudaGraphAddKernelNode(&b,graph,&a,1,&nodeParams);
cudaGraphAddKernelNode(&c,graph,&a,1,&nodeParams);
cudaGraphNode_t dependencies[2];
//kernel nodes b and c are using graph allocation,so a freeing nodemust depend on them.Since dependency of node b on node a establishes anindirect dependency,a
free node does not need to explicitly depend on node a.
dependencies[0]=b;
dependencies[1]=c;
cudaGraphAddMemFreeNode(&freeNode,graph,dependencies,2,allocParams.dptr);
//free node does not depend on kernel node d,so it must not access afreed graph allocation.
cudaGraphAddKernelNode(&d,graph,&c,1,&nodeParams);
//node e does not depend on an allocation node,so it must not accessan allocation.This would be true even if a freeNode depended on kernel nodee.
cudaGraphAddKernelNode(&e,graph,NULL,0,&nodeParams);”。
在至少一个实施例中,可以通过捕获相应的流排序分配和释放调用来创建图形内存节点。在至少一个实施例中,由所捕获的分配API返回的虚拟地址可以由所述图形内的其他操作使用。在至少一个实施例中,一个或更多个系统将流排序依赖关系捕获到所述图形中,其中流排序分配API的排序要求保证各个图形内存节点将相对于所捕获的流操作被适当地排序。
在至少一个实施例中,一个或更多个系统通过下列代码使用流捕获来生成所述图形,但可以利用其任何变体:
“//stream1 is an origin stream
cudaStreamBeginCapture(stream1);
cudaMallocAsync(&dptr,size,stream1);
kernel_A<<<...,stream1>>>(dptr,...);
//Fork into stream2
cudaEventRecord(event1,stream1);
cudaStreamWaitEvent(stream2,event1);
kernel_B<<<...,stream1>>>(dptr,...);
//event dependencies translated into graph dependencies,so a kernel
node created by a capture of kernel C will depend on an allocation
node created by capturing a cudaMallocAsync call.
kernel_C<<<...,stream2>>>(dptr,...);
//Join stream2 back to origin stream(stream1)
cudaEventRecord(event2,stream2);
cudaStreamWaitEvent(stream1,event2);
//Free depends on all work accessing memory.
cudaFreeAsync(dptr,stream1);
//End capture in an origin stream
cudaStreamEndCapture(stream1,&graph);.”
在至少一个实施例中,图形分配不必通过分配图形来释放。在至少一个实施例中,当所述图形不释放它做出的分配时,所述分配持续超过所述图形的执行。在至少一个实施例中,分配可以通过使用用于释放所分配的内存的各个API函数的常规调用、利用相应的释放节点启动另一图形、和/或随后启动所述图形(例如,如果它是利用诸如本文中描述的那些标志之类的一个或更多个标志来实例化的)来释放。在至少一个实施例中,必须在通过图形依赖关系、不同事件和/或其他机制(例如,流排序机制)访问内存的所有操作之后对释放操作(例如,MemFree节点或其他内存解分配操作)进行排序。在至少一个实施例中,只要访问操作在分配之后通过事件和流排序机制被排序,分配就可以在另一图形中被访问或者直接在流操作中被访问。
在至少一个实施例中,图形分配彼此共享底层物理内存。在至少一个实施例中,在完整设备操作(例如,计算内核、内存复制操作和/或其变型)完成之后,必须对释放操作进行排序。在至少一个实施例中,带外操作(诸如作为向图形内存写入的计算内核的一部分,向系统内存写入)可能不足以在向图形内存的内存写入与该图形内存的释放操作之间提供排序保证。
在至少一个实施例中,一个或更多个系统通过以下代码在同一流中访问和释放图形分配的内存,尽管可以利用其任何变体:
“void*dptr;
cudaGraphAddMemAllocNode(&allocNode,allocGraph,NULL,0,&allocParams);
dptr=allocParams.dptr;
cudaGraphInstantiate(&allocGraphExec,allocGraph,NULL,NULL,0);
cudaGraphLaunch(allocGraphExec,stream);
kernel<<<...,stream>>>(dptr,...);
cudaFreeAsync(dptr,stream);.”
在至少一个实施例中,一个或更多个系统通过以下代码从其他流和其他图形中访问和释放图形分配的内存,但是可以利用其任何变体:
“void*dptr;
//Contents of allocating graph
cudaGraphAddMemAllocNode(&allocNode,allocGraph,NULL,0,&allocParams);
dptr=allocParams.dptr;
//contents of consuming/freeing graph
nodeParams->kernelParams[0]=allocParams.dptr;
cudaGraphAddKernelNode(&a,graph,NULL,0,&nodeParams);
cudaGraphAddMemFreeNode(&freeNode,freeGraph,&a,1,dptr);
cudaGraphInstantiate(&allocGraphExec,allocGraph,NULL,NULL,0);
cudaGraphInstantiate(&freeGraphExec,freeGraph,NULL,NULL,0);
cudaGraphLaunch(allocGraphExec,allocStream);
//establish dependency of stream2 on an allocation node
//note:dependency could also have been established with a streamsynchronize operation
cudaEventRecord(allocEvent,allocStream)
cudaStreamWaitEvent(stream2,allocEvent);
kernel<<<...,stream2>>>(dptr,...);
//establish dependency between stream 3and an allocation usecudaStreamRecordEvent(streamUseDoneEvent,stream2);cudaStreamWaitEvent(stream3,streamUseDoneEvent);
//it is now safe to launch a freeing graph,which may also accessmemory cudaGraphLaunch(freeGraphExec,stream3);.”
在至少一个实施例中,一个或更多个系统通过以下代码使用图形事件节点建立从其他流访问内存的依赖关系,但可以利用其任何变体:
“void*dptr;
cudaEvent_t allocEvent;//event indicating when an allocation will beready for use.
cudaEvent_t streamUseDoneEvent;//event indicating when streamoperations are done with an allocation.
//Contents of allocating graph with event record node
cudaGraphAddMemAllocNode(&allocNode,allocGraph,NULL,0,&allocParams);dptr=allocParams.dptr;
//note:this event record node depends on an alloc node
cudaGraphAddEventRecordNode(&recordNode,allocGraph,&allocNode,1,allocEvent);cudaGraphInstantiate(&allocGraphExec,allocGraph,NULL,NULL,0);
//contents of consuming/freeing graph with event wait nodes
cudaGraphAddEventWaitNode(&streamUseDoneEventNode,
waitAndFreeGraph,NULL,0,streamUseDoneEvent);
cudaGraphAddEventWaitNode(&allocReadyEventNode,
waitAndFreeGraph,NULL,0,allocEvent);
nodeParams->kernelParams[0]=allocParams.dptr;
//An allocReadyEventNode provides ordering with an alloc node for usein a consuming graph.
cudaGraphAddKernelNode(&kernelNode,waitAndFreeGraph,&allocReadyEventNode,1,&nodeParams);
//A free node has to be ordered after both external and internalusers.
//Thus node must depend on both a kernelNode and astreamUseDoneEventNode.
dependencies[0]=kernelNode;
dependencies[1]=streamUseDoneEventNode;
cudaGraphAddMemFreeNode(&freeNode,waitAndFreeGraph,&dependencies,2,dptr);
cudaGraphInstantiate(&waitAndFreeGraphExec,waitAndFreeGraph,NULL,NULL,0);
cudaGraphLaunch(allocGraphExec,allocStream);
//establish dependency of stream2 on a event node satisfies anordering requirement
cudaStreamWaitEvent(stream2,allocEvent);
kernel<<<...,stream2>>>(dptr,...);
cudaStreamRecordEvent(streamUseDoneEvent,stream2);
//an event wait node in a waitAndFreeGraphExec establishes adependency on a“readyForFreeEvent”that is needed to prevent a kernel runningin stream two from accessing an allocation after a free node in executionorder.
cudaGraphLaunch(waitAndFreeGraphExec,stream3);.”
在至少一个实施例中,一个或更多个系统提供在图形之间共享物理分配的功能。在至少一个实施例中,应用可以利用多个流。在至少一个实施例中,使用具有多个流中的各个图形内存节点的同一图可以使得所述驱动器颠簸(thrash)映射。在至少一个实施例中,不释放分配图形内的内存的应用可对其他分配图形施加串行化。
在至少一个实施例中,在图形实例化期间不分配或不映射物理内存。在至少一个实施例中,第一图形上传或启动导致分配和映射成本。在至少一个实施例中,一个或更多个系统上传分配图形给它们将在其上使用的流,因为当所述图形在不同的流上启动时一个或更多个系统可以执行重映射。
在至少一个实施例中,在等待释放所述图形分配的流排序的所述图形启动中、在等待完成物理内存的先前使用的流中、和/或在用于分配、映射和未映射物理内存的OS调用的执行时间中,可以引起重映射的成本。在至少一个实施例中,当所述图形切换流时支付的内存重映射成本由一个或更多个系统通过以下代码表示,但是可以利用其任何变体:
“cudaGraphLaunch(graph1,streamA);
cudaGraphLaunch(graph2,streamA);
//remapping cost paid when graph1 is launched on streamB as long asgraph2 has yet to complete.
cudaGraphLaunch(graph1,streamB);.”
在至少一个实施例中,被重新指派给替代流的内存,其引起原始流中的其他图形启动以支付重映射成本,由一个或更多个系统通过以下代码来表示,但可以利用其任何变体:
“cudaGraphLaunch(graph1,streamA);
cudaGraphLaunch(graph2,streamA);
cudaStreamSynchronize(streamA);
//graph1&graph2 share underlying physical memory because they wereboth launched on streamA
//graph2 launching on streamB pulls memory with it,as streamA is idlecudaGraphLaunch(graph2,streamB);
//graph1 pays remapping cost because memory is now associated withstreamB(assuming graph2 is still running at a time of this launch).
cudaGraphLaunch(graph1,streamA);.”
在至少一个实施例中,一个或更多个系统通过以下代码表示由于非释放分配引起的内存重映射,但是可以利用其任何变体:
“cudaGraphLaunch(graph1,streamA);
cudaGraphLaunch(graph2_noFree,streamA);
//graph1&graph2_noFree share underlying physical memory because theywere both launched on streamA
//let dptr be memory allocated and not freed by graph2_noFree.
//because graph2_noFree did not free dptr,graph1 will have to waitfor itself to complete and then unmap corresponding physical memory
cudaGraphLaunch(graph1,streamA);.”
在至少一个实施例中,由于在另一个流中释放的分配而导致的内存序列化由一个或更多个系统通过以下代码来表示,但可以利用其任何变体:
“cudaGraphLaunch(graph1,streamA);
cudaGraphLaunch(graph2_noFree,streamA);
//graph1&graph2_noFree share underlying physical memory because theywere both launched on streamA
//let dptr be memory allocated and not freed by graph2_noFree.
cudaStreamWaitEvent(streamB,graph2_dptrAllocatedEvent);
kernel<<<...,streamB>>>(dptr,...);
cudaFreeAsync(dptr,streamB);
//Since physical memory mapped to dptr is still associated withstreamA,
//launching graph1 in streamA may use that memory,in which case adriver
//will insert a dependency in streamA on a dptr free in streamB.
cudaGraphLaunch(graph1,streamA);.”
在至少一个实施例中,毁掉分配图形将不会使一个或更多个系统将所分配的内存返回至OS以供其他进程使用。在至少一个实施例中,为了将内存释放回OS,应用需要使用一个或更多个API函数,诸如cudaDeviceGraphMemTrim API函数。在至少一个实施例中,cudaDeviceGraphMemTrim解映射(un-map)并释放任何图形内存节点的预留物理内存,该物理内存对于解映射是安全的。在至少一个实施例中,不主动地使用的内存(例如,尚未被释放的分配和被调度或运行的图形被认为是主动地使用物理内存)可以被称为安全解映射。在至少一个实施例中,一个或更多个API函数使物理内存对其他分配API函数和其他应用/进程可用,但可以使所述驱动器在启动具有到所释放的内存的映射的图形时分配和映射内存。
在至少一个实施例中,一个或更多个系统为应用提供用于通过表示为cudaDeviceGetGraphMemAttribute的API函数查询其图形内存占用空间的功能。在至少一个实施例中,查询表示为cudaGraphMemAttrReservedMemCurrent的属性返回由一个或更多个驱动器为当前进程中的图形分配保留的物理内存的量。在至少一个实施例中,查询表示为cudaGraphMemAttrUsedMemCurrent的属性返回当前由至少一个图形映射的物理内存的量。在至少一个实施例中,可以利用各个属性来跟踪何时由所述驱动器结合分配图形来获取新的物理内存。在至少一个实施例中,可以利用各个属性来确定共享机制保存了多少内存。
在至少一个实施例中,一个或更多个系统提供用于配置用于从多个GPU访问的图形分配的功能。在至少一个实施例中,所述驱动器根据需要将分配映射到一个或更多个GPU中。在至少一个实施例中,所述驱动器提供了用于要求不同映射的图形分配以重用同一虚拟地址的功能,其中,当这发生时,VA被映射到不同分配所要求的一组GPU上。在至少一个实施例中,分配被映射到其上的一组GPU可以响应于其他分配的映射的改变或所述驱动器的子分配启发式法的改变。在至少一个实施例中,当应用请求所有多GPU分配上的正确映射时,所有必要的映射将由一个或更多个系统做出。
在至少一个实施例中,cudaGraphAddMemAllocNode API函数或任何合适的函数在节点参数结构的accessDescs数组字段中接受映射请求。在至少一个实施例中,poolProps.location嵌入式结构指定用于分配的驻留设备。在至少一个实施例中,假设需要来自分配GPU的访问,因此应用不需要在accessDescs数组中指定用于驻留设备的条目。在至少一个实施例中,一个或更多个系统通过以下代码利用图形节点API执行对等访问,但可以利用其任何变体:
“cudaMemAllocNodeParams params={};
params.poolProps.allocType=cudaMemAllocationTypePinned;
params.poolProps.location.type=cudaMemLocationTypeDevice;
//specify device 1as a resident device
params.poolProps.location.id=1;
params.bytesize=size;
//allocate an allocation resident on device 1 accessible from device1 cudaGraphAddMemAllocNode(&allocNode,graph,NULL,0,¶ms);accessDescs[2];
//boilerplate for an access descs(only ReadWrite and Device accesssupported by an add node API)
accessDescs[0].flags=cudaMemAccessFlagsProtReadWrite;
accessDescs[0].location.type=cudaMemLocationTypeDevice;
accessDescs[1].flags=cudaMemAccessFlagsProtReadWrite;
accessDescs[1].location.type=cudaMemLocationTypeDevice;
//access being requested for device 0&2.Device 1access requirementleft implicit.
accessDescs[0].location.id=0;
accessDescs[1].location.id=2;
//access request array has 2entries.
params.accessDescCount=2;
params.accessDescs=accessDescs;
//allocate an allocation resident on device 1accessible from devices0,1 and 2.(0&2from descriptors,1from it being a resident device).
cudaGraphAddMemAllocNode(&allocNode,graph,NULL,0,¶ms);.”
在至少一个实施例中,对于流捕获,分配节点记录捕获时分配池的对等可访问性。在至少一个实施例中,在捕获诸如cudaMallocFromPoolAsync调用之类的API调用之后改变流排序分配池的对等可访问性不影响所述图形将针对分配进行的映射。在至少一个实施例中,一个或更多个系统通过以下代码利用流捕获来执行对等访问,但可以利用其任何变体:
“//boilerplate for an access descs(only ReadWrite and Device accesssupported by an add node API)
accessDesc.flags=cudaMemAccessFlagsProtReadWrite;
accessDesc.location.type=cudaMemLocationTypeDevice;
accessDesc.location.id=1;
//let memPool be resident and accessible on device 0
cudaStreamBeginCapture(stream);
cudaMallocAsync(&dptr1,size,memPool,stream);
cudaStreamEndCapture(stream,&graph1);
cudaMemPoolSetAccess(memPool,&accessDesc,1);
cudaStreamBeginCapture(stream);
cudaMallocAsync(&dptr2,size,memPool,stream);
cudaStreamEndCapture(stream,&graph2);
//Said graph node allocating dptr1 would only have a device0accessibility even though memPool now has device 1accessibility.
//Said graph node allocating dptr2 will have device 0and device 1accessibility,since that was a pool accessibility at a time of acudaMallocAsync call.”
在至少一个实施例中,图形捕获(例如,使用流捕获生成所述图形)处理执行区域,从而将一个或更多个系统的各个操作和所利用的虚拟地址编码到所述图形中。在至少一个实施例中,所述图形可以被利用一次或更多次。在至少一个实施例中,捕获编码内存地址,并且在捕获期间使用的内存必须可用于所述图形在重放(replay)期间使用。在至少一个实施例中,一个或更多个系统动态地分配并释放内存。在至少一个实施例中,所述图形的内存可以被各个其他操作利用。在至少一个实施例中,为了保证在重放时重用所述图形的编码地址是安全的,一个或更多个系统满足捕获期间来自图形私有内存池的分配,并且直到所述图形被毁掉才开始释放那些地址。在至少一个实施例中,在私有池内,分配在捕获期间由一个或更多个系统释放和重新指派。在至少一个实施例中,内存区域被一个或更多个系统在重放期间以一致的顺序使用。在至少一个实施例中,只要其服务的捕获存活,私有池就将其使用的内存的高水线(high-water mark)保留远离默认池,而不管那些捕获是空闲的还是重放的。在至少一个实施例中,所述图形对私有池的请求由一个或更多个系统调节,该系统可以被表示为DeviceAllocator(例如,DeviceAllocator::notifyCaptureBegin、notifyCaptureEnd、和/或notifyCaptureDestroy)。
在至少一个实施例中,图形可以通过指示分配和释放操作的节点来分配和释放内存。在至少一个实施例中,当一个或更多个系统使用所述图形来分配内存时,在节点创建时间返回指针,该指针可以作为自变量被传递到后面的节点,其中去引用所述指针仅在分配节点(例如,MemAlloc节点)的下游和释放节点(例如,MemFree节点)的上游被允许。在至少一个实施例中,一个或更多个系统为每个图形提供唯一的VA范围。在至少一个实施例中,从图形中分配返回的虚拟地址范围仅来自该图形的地址池,并且持续所述图形的有效期。在至少一个实施例中,图形可以共享物理分配,其中即使在同一图形的启动之间也不保留内容。在至少一个实施例中,分配有效期可以延伸到所述图形之外。在至少一个实施例中,一个或更多个系统允许在一个图形中分配并且在另一个图形中释放。然而,在至少一个实施例中,必须不会再次启动分配图形,直到已发生释放操作。
在至少一个实施例中,在创建之后,可以不修改具有内存节点的图形中的边。在至少一个实施例中,更改边可导致上游释放节点不再是上游的。在至少一个实施例中,分配节点引起图形间序列化,其中一个或更多个系统提供当进行分配时管理唯一的/共享的后备内存的功能。在至少一个实施例中,进程间通信(IPC)-可共享性必须在分配时间由一个或更多个系统定义,其中IPC-可共享分配必须持续超过分配图形的有效期。
在至少一个实施例中,分配和释放分配可以在同一图形中发生。在至少一个实施例中,分配可以发生在一个图形中,并且释放分配可以发生在另一个图形中。在至少一个实施例中,分配可以在一个图形中发生并且释放分配可以经由一个或更多个API函数发生。
在至少一个实施例中,虚拟地址和物理地址有效期针对各图形是不同的。在至少一个实施例中,每个图形具有私有虚拟地址范围。在至少一个实施例中,物理页面可由一个或更多个系统在图形节点创建时映射,其中可返回虚拟地址。在至少一个实施例中,虚拟地址在所述图形的有效期(例如,执行有效期)内保持有效。在至少一个实施例中,每图形虚拟地址范围保证指针有效期具有图形有效期。在至少一个实施例中,分配和映射可以发生在图形实例化时、图形启动时和/或其变型中,在图形实例化中内存被一个或更多个系统保持所述图形的有效期,在图形启动中启动延时可以在内存被映射时增加。
在至少一个实施例中,一个或更多个系统执行共享物理页面映射以减少用于创建一个或更多个图形的计算资源。在至少一个实施例中,每个图形具有私有虚拟地址范围,其中,指针有效期具有所述图形有效期。在至少一个实施例中,一个或更多个系统保留等于任何图形的最大内存要求的一组物理页面。在至少一个实施例中,一个或更多个系统将所有图形映射到同一页面集合,除非并发地执行。在至少一个实施例中,一个或更多个系统执行物理页面的预映射。
在至少一个实施例中,长有效期分配指在同一图形内未被释放的分配。在至少一个实施例中,由分配返回的虚拟地址针对所述图形保持固定。在至少一个实施例中,一个或更多个系统将所述图形配置为预释放分配,使得可以允许多次启动。在至少一个实施例中,一个或更多个系统在每图形的基础上跟踪页面有效期。
在至少一个实施例中,一个或更多个系统对所述图形的实例化执行分配,这可导致图形(例如,独立页面)之间的最小延迟。在至少一个实施例中,一个或更多个系统在所述图形的启动时执行分配和/或映射,这可能需要图形之间的分配以用于分配和/或重映射。在至少一个实施例中,一个或更多个系统执行共享分配,这可导致在实例化时预映射的图形之间的最小延迟。
在至少一个实施例中,一个或更多个系统并发地启动图形,这可能需要每并发图形的唯一物理页面。在至少一个实施例中,一个或更多个系统创建每流的物理页面池,这允许在同一流中在图形之间共享,但在流之间并发执行,这可导致新流中首次启动的延时增加,但可执行预分配。在至少一个实施例中,一个或更多个系统控制何时释放流分配,其中重复的启动可以保留物理分配,并且单个启动可以释放分配。
在至少一个实施例中,一个或更多个系统提供了通过一个或更多个流捕获操作来更新图形的功能。在至少一个实施例中,流捕获创建具有新VA范围的新图形。在至少一个实施例中,图形更新用经更新图形的VA范围替换原始图形的VA范围。在至少一个实施例中,一个或更多个系统防止单个内存节点参数更新,但是在至少一个实施例中,允许这样的操作。在至少一个实施例中,一个或更多个系统将原始图形VA返回到所述图形系统以供再使用。
在至少一个实施例中,一个或更多个系统提供用于在图形中创建内存节点的流捕获和显式API,其中内存节点遵循用于分配内存的各个API函数的语义。在至少一个实施例中,一个或更多个系统为在图形创建上建立的异步分配提供每图形VA。在至少一个实施例中,一个或更多个系统维护等于最大实例化图形的大小的物理页面。在至少一个实施例中,一个或更多个系统在实例化时执行所述图形VA到物理页面池的共享映射。在至少一个实施例中,一个或更多个系统在首次启动到新流中时创建一个或更多个每流的物理页面池。在至少一个实施例中,一个或更多个系统提供诸如当内存占用空间增长时更新所述图形并重新调整页面池的大小的功能。在至少一个实施例中,内存占用空间是指程序在各个状态中使用、引用或以其他方式利用的内存的量,诸如当运行或以其他方式执行时。
在至少一个实施例中,一个或更多个系统提供通过分配和/或释放节点(例如,分别为MemAlloc和MemFree节点)来执行所述图形中的各个内存分配操作的功能。在至少一个实施例中,一个或更多个系统利用节点之间的依赖关系来跟踪所述图形内的内存重用。在至少一个实施例中,每个图形具有私有虚拟地址范围,从而允许分配在所述图形的有效期内具有固定地址。在至少一个实施例中,启动到给定流中的所有图形使它们的虚拟占用空间被一个或更多个系统别名化到共享的每流物理内存上,从而实现图形之间的物理内存重用。在至少一个实施例中,当所述图形的启动流改变和/或内存在分配图形之外被释放时,一个或更多个系统(例如,驱动器)跟踪到物理内存的映射和物理内存的使用以实现重用。在至少一个实施例中,在一个或更多个驱动器中实现分配器,其使得能够使用低级别内存操作来限制碎片化,以及使用关于内存消耗、流依赖关系和/或工作完成的各个信息来检测内存重用的机会。
应注意的是,API函数和其他相关术语(诸如参数、变量名、和/或其变体)可以使用任何合适的术语以任何合适的方式来表示,这些术语可以或可以不与所述API函数的一个或更多个功能相关。另外,应当注意,虽然本文所描述的示例实施例可以涉及CUDA编程模型,但是本文所描述的技术可以与任何合适的编程模型和/或任何合适的编程模型的任何合适的API(诸如CUDA、HIP、OneAPI、和/或其变型)一起使用。
在前面和以下描述中,阐述了许多具体细节以便提供对至少一个实施例的更透彻理解。然而,对于本领域技术人员将显而易见的是,可以在没有这些具体细节中的一个或更多个的情况下实践本发明构思。
数据中心
图11示出了根据至少一个实施例的示例性数据中心1100。在至少一个实施例中,数据中心1100包括但不限于数据中心基础设施层1110、框架层1120、软件层1130和应用层1140。
在至少一个实施例中,如图11所示,数据中心基础设施层1110可以包括资源协调器1112、分组的计算资源1114和节点计算资源(“节点C.R.”)1116(1)-1116(N),其中“N”代表任何完整的正整数。在至少一个实施例中,节点C.R.1116(1)-1116(N)可以包括但不限于任意数量的中央处理单元(“CPU”)或其他处理器(包括加速器、现场可编程门阵列(“FPGA”)、网络设备中的数据处理单元(“DPU”)、图形处理器等),存储器设备(例如动态只读存储器),存储设备(例如固态硬盘或磁盘驱动器),网络输入/输出(“NW I/O”)设备,网络交换机,虚拟机(“VM”),电源模块和冷却模块等。在至少一个实施例中,节点C.R.1116(1)-1116(N)中的一个或更多个节点C.R.可以是具有一个或更多个上述计算资源的服务器。
在至少一个实施例中,分组的计算资源1114可以包括容纳在一个或更多个机架内的节点C.R.的单独分组(未示出),或者容纳在各个地理位置的数据中心内的许多机架(也未示出)。分组的计算资源1114内的节点C.R.的单独分组可以包括可以被配置或分配为支持一个或更多个工作负载的分组的计算、网络、存储器或存储资源。在至少一个实施例中,可以将包括CPU或处理器的几个节点C.R.分组在一个或更多个机架内,以提供计算资源来支持一个或更多个工作负载。在至少一个实施例中,一个或更多个机架还可以包括任意数量的电源模块、冷却模块和网络交换机,以任意组合。
在至少一个实施例中,资源协调器1112可以配置或以其他方式控制一个或更多个节点C.R.1116(1)-1116(N)和/或分组的计算资源1114。在至少一个实施例中,资源协调器1112可以包括用于数据中心1100的软件设计基础结构(“SDI”)管理实体。在至少一个实施例中,资源协调器1112可以包括硬件、软件或其某种组合。
在至少一个实施例中,如图11所示,框架层1120包括但不限于作业调度器1132、配置管理器1134、资源管理器1136和分布式文件系统1138。在至少一个实施例中,框架层1120可以包括支持软件层1130的软件1152和/或应用程序层1140的一个或更多个应用程序1142的框架。在至少一个实施例中,软件1152或应用程序1142可以分别包括基于Web的服务软件或应用程序,例如由Amazon Web Services,Google Cloud和Microsoft Azure提供的服务或应用程序。在至少一个实施例中,框架层1120可以是但不限于一种免费和开放源软件网络应用框架,例如可以利用分布式文件系统1138来进行大范围数据处理(例如“大数据”)的Apache SparkTM(以下称为“Spark”)。在至少一个实施例中,作业调度器1132可以包括Spark驱动器,以促进对数据中心1100的各个层所支持的工作负载进行调度。在至少一个实施例中,配置管理器1134可以能够配置不同的层,例如软件层1130和包括Spark和用于支持大规模数据处理的分布式文件系统1138的框架层1120。在至少一个实施例中,资源管理器1136能够管理映射到或分配用于支持分布式文件系统1138和作业调度器1132的集群或分组计算资源。在至少一个实施例中,集群或分组计算资源可以包括数据中心基础设施层1110上的分组的计算资源1114。在至少一个实施例中,资源管理器1136可以与资源协调器1112协调以管理这些映射的或分配的计算资源。
在至少一个实施例中,包括在软件层1130中的软件1152可以包括由节点C.R.1116(1)-1116(N)的至少一部分,分组计算资源1114和/或框架层1120的分布式文件系统1138使用的软件。一种或更多种类型的软件可以包括但不限于Internet网页搜索软件、电子邮件病毒扫描软件、数据库软件和流视频内容软件。
在至少一个实施例中,应用层1140中包括的一个或更多个应用程序1142可以包括由节点C.R.1116(1)-1116(N)的至少一部分、分组的计算资源1114和/或框架层1120的分布式文件系统1138使用的一种或更多种类型的应用程序。一种或更多种类型的应用程序可以包括但不限于CUDA应用程序。
在至少一个实施例中,配置管理器1134、资源管理器1136和资源协调器1112中的任何一个可以基于以任何技术上可行的方式获取的任意数量和类型的数据来实现任意数量和类型的自我修改动作。在至少一个实施例中,自我修改动作可以减轻数据中心1100的数据中心操作员做出可能不好的配置决定并且可以避免数据中心的未充分利用和/或执行差的部分。
在至少一个实施例中,图11中描述的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图11中描述的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图11中描述的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图11中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
基于计算机的系统
以下各图提出但不限于可用于实现至少一个实施例的示例性的基于计算机的系统。
图12示出了根据至少一个实施例的处理系统1200。在至少一个实施例中,系统1200包括一个或更多个处理器1202和一个或更多个图形处理器1208,并且可以是单处理器台式机系统、多处理器工作站系统或具有大量处理器1202或处理器核心1207的服务器系统。在至少一个实施例中,处理系统1200是结合在片上系统(SoC)集成电路内的处理平台,以用于移动、手持或嵌入式设备。
在至少一个实施例中,处理系统1200可以包括或结合在基于服务器的游戏平台中,包括游戏和媒体控制台的游戏控制台、移动游戏控制台、手持游戏控制台或在线游戏控制台。在至少一个实施例中,处理系统1200是移动电话、智能电话、平板计算设备或移动互联网设备。在至少一个实施例中,处理系统1200还可包括与可穿戴设备耦合或集成在可穿戴设备中,例如智能手表可穿戴设备、智能眼镜设备、增强现实设备或虚拟现实设备。在至少一个实施例中,处理系统1200是电视或机顶盒设备,其具有一个或更多个处理器1202以及由一个或更多个图形处理器1208生成的图形界面。
在至少一个实施例中,一个或更多个处理器1202每个包括一个或更多个处理器核心1207,以处理指令,该指令在被执行时执行针对系统和用户软件的操作。在至少一个实施例中,一个或更多个处理器核心1207中的每一个被配置为处理特定指令集1209。在至少一个实施例中,指令集1209可以促进复杂指令集计算(CISC)、精简指令集计算(RISC),或通过超长指令字(VLIW)进行计算。在至少一个实施例中,多个处理器核心1207可以各自处理不同的指令集1209,该指令集1209可以包括有助于仿真其他指令集的指令。在至少一个实施例中,处理器核心1207还可以包括其他处理设备,例如数字信号处理器(DSP)。
在至少一个实施例中,处理器1202包括高速缓存存储器(cache)1204。在至少一个实施例中,处理器1202可以具有单个内部高速缓存或多个级别的内部高速缓存。在至少一个实施例中,高速缓存存储器在处理器1202的各个组件之间共享。在至少一个实施例中,处理器1202还使用外部高速缓存(例如,三级(L3)高速缓存或最后一级高速缓存(LLC))(未示出),其可以使用已知的高速缓存一致性技术在处理器核心1207之间共享该逻辑。在至少一个实施例中,处理器1202中另外包括寄存器文件1206,处理器1202可以包括用于存储不同类型的数据的不同类型的寄存器(例如,整数寄存器、浮点寄存器、状态寄存器和指令指针寄存器)。在至少一个实施例中,寄存器文件1206可以包括通用寄存器或其他寄存器。
在至少一个实施例中,一个或更多个处理器1202与一个或更多个接口总线1210耦合,以在处理器1202与系统1200中的其他组件之间传输通信信号,例如地址、数据或控制信号。在至少一个实施例中,接口总线1210在一个实施例中可以是处理器总线,例如直接媒体接口(DMI)总线的版本。在至少一个实施例中,接口总线1210不限于DMI总线,并且可以包括一个或更多个外围组件互连总线(例如,PCI,PCI Express)、存储器总线或其他类型的接口总线。在至少一个实施例中,处理器1202包括集成存储器控制器1216和平台控制器集线器1230。在至少一个实施例中,存储器控制器1216促进存储设备与处理系统1200的其他组件之间的通信,而平台控制器集线器(PCH)1230通过本地I/O总线提供到输入/输出(I/O)设备的连接。
在至少一个实施例中,存储设备1220可以是动态随机存取存储器(DRAM)设备、静态随机存取存储器(SRAM)设备、闪存设备、相变存储设备或具有适当的性能以用作处理器存储器。在至少一个实施例中,存储设备1220可以用作处理系统1200的系统存储器,以存储数据1222和指令1221,以在一个或更多个处理器1202执行应用或过程时使用。在至少一个实施例中,存储器控制器1216还与可选的外部图形处理器1212耦合,其可以与处理器1202中的一个或更多个图形处理器1208通信以执行图和媒体操作。在至少一个实施例中,显示设备1211可以连接至处理器1202。在至少一个实施例中,显示设备1211可以包括内部显示设备中的一个或更多个,例如在移动电子设备或便携式计算机设备或通过显示器接口(例如显示端口(DisplayPort)等)连接的外部显示设备。在至少一个实施例中,显示设备1211可以包括头戴式显示器(HMD),诸如用于虚拟现实(VR)应用或增强现实(AR)应用中的立体显示设备。
在至少一个实施例中,平台控制器集线器1230使外围设备能够通过高速I/O总线连接到存储设备1220和处理器1202。在至少一个实施例中,I/O外围设备包括但不限于音频控制器1246、网络控制器1234、固件接口1228、无线收发器1226、触摸传感器1225、数据存储设备1224(例如,硬盘驱动器、闪存等)。在至少一个实施例中,数据存储设备1224可以经由存储器接口(例如,SATA)或经由外围总线来连接,诸如外围组件互连总线(例如,PCI、PCIe)。在至少一个实施例中,触摸传感器1225可以包括触摸屏传感器、压力传感器或指纹传感器。在至少一个实施例中,无线收发器1226可以是Wi-Fi收发器、蓝牙收发器或移动网络收发器,诸如3G、4G或长期演进(LTE)收发器。在至少一个实施例中,固件接口1228使能与系统固件的通信,并且可以是例如统一的可扩展固件接口(UEFI)。在至少一个实施例中,网络控制器1234可以启用到有线网络的网络连接。在至少一个实施例中,高性能网络控制器(未示出)与接口总线1210耦合。在至少一个实施例中,音频控制器1246是多通道高清晰度音频控制器。在至少一个实施例中,处理系统1200包括可选的传统(legacy)I/O控制器1240,用于将遗留(例如,个人系统2(PS/2))设备耦合到处理系统1200。在至少一个实施例中,平台控制器集线器1230还可以连接到一个或更多个通用串行总线(USB)控制器1242,该控制器连接输入设备,诸如键盘和鼠标1243组合、相机1244或其他USB输入设备。
在至少一个实施例中,存储器控制器1216和平台控制器集线器1230的实例可以集成到离散的外部图形处理器中,例如外部图形处理器1212。在至少一个实施例中,平台控制器集线器1230和/或存储控制器1216可以在一个或更多个处理器1202的外部。例如,在至少一个实施例中,处理系统1200可以包括外部存储控制器1216和平台控制器集线器1230,其可以配置成在与处理器1202通信的系统芯片组中的存储器控制器集线器和外围控制器集线器。
在至少一个实施例中,图12中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图12中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图12中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图12中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图13示出了根据至少一个实施例的计算机系统1300。在至少一个实施例中,计算机系统1300可以是具有互连的设备和组件,SOC,或某种组合的系统。在至少一个实施例中,计算机系统1300由处理器1302形成,该处理器1302可以包括用于执行指令的执行单元。在至少一个实施例中,计算机系统1300可以包括但不限于组件,例如处理器1302,其采用包括逻辑的执行单元以执行用于过程数据的算法。在至少一个实施例中,计算机系统1300可以包括处理器,例如可从加利福尼亚圣塔克拉拉的英特尔公司(Intel Corporation ofSanta Clara,California)获得的处理器家族、XeonTM、XScaleTM和/或StrongARMTM,CoreTM或微处理器,尽管也可以使用其他系统(包括具有其他微处理器的PC、工程工作站、机顶盒等)。在至少一个实施例中,计算机系统1300可以执行可从华盛顿州雷蒙德市的微软公司(Microsoft Corporationof Redmond,Wash.)获得的WINDOWS操作系统版本,尽管其他操作系统(例如UNIX和Linux)、嵌入式软件和/或图形用户界面也可以使用。
在至少一个实施例中,计算机系统1300可以用在其他设备中,例如手持设备和嵌入式应用。手持设备的一些示例包括蜂窝电话、互联网协议(Internet Protocol)设备、数码相机、个人数字助理(“PDA”)和手持PC。在至少一个实施例中,嵌入式应用可以包括微控制器、数字信号处理器(“DSP”)、SoC、网络计算机(“NetPC”)、机顶盒、网络集线器、广域网(“WAN”)交换机,或根据至少一个实施例可以执行一个或更多个指令的任何其他系统。
在至少一个实施例中,计算机系统1300可包括但不限于处理器1302,该处理器1302可包括但不限于一个或更多个执行单元1308,其可以配置为执行计算统一设备架构(“CUDA”)(由加利福尼亚州圣克拉拉的NVIDIA Corporation开发)程序。在至少一个实施例中,CUDA程序是用CUDA编程语言编写的软件应用程序的至少一部分。在至少一个实施例中,计算机系统1300是单处理器台式机或服务器系统。在至少一个实施例中,计算机系统1300可以是多处理器系统。在至少一个实施例中,处理器1302可以包括但不限于CISC微处理器、RISC微处理器、VLIW微处理器、实现指令集组合的处理器,或任何其他处理器设备,例如数字信号处理器。在至少一个实施例中,处理器1302可以耦合到处理器总线1310,该处理器总线1310可以在处理器1302与计算机系统1300中的其他组件之间传输数据信号。
在至少一个实施例中,处理器1302可以包括但不限于1级(“L1”)内部高速缓存存储器(“cache”)1304。在至少一个实施例中,处理器1302可以具有单个内部高速缓存或多级内部缓存。在至少一个实施例中,高速缓存存储器可以驻留在处理器1302的外部。在至少一个实施例中,处理器1302可以包括内部和外部高速缓存的组合。在至少一个实施例中,寄存器文件1306可以在各种寄存器中存储不同类型的数据,包括但不限于整数寄存器、浮点寄存器、状态寄存器和指令指针寄存器。
在至少一个实施例中,包括但不限于执行整数和浮点运算的逻辑的执行单元1308,其也位于处理器1302中。处理器1302还可以包括微码(“ucode”)只读存储器(“ROM”),用于存储某些宏指令的微代码。在至少一个实施例中,执行单元1308可以包括用于处理封装指令集1309的逻辑。在至少一个实施例中,通过将封装指令集1309包括在通用处理器1302的指令集中,以及要执行指令的相关电路,可以使用通用处理器1302中的封装数据来执行许多多媒体应用程序使用的操作。在至少一个实施例中,可以通过使用处理器的数据总线的全宽度来在封装的数据上执行操作来加速和更有效地执行许多多媒体应用程序,这可能不需要在处理器的数据总线上传输较小的数据单元来一次对一个数据元素执行一个或更多个操作。
在至少一个实施例中,执行单元1308也可以用在微控制器、嵌入式处理器、图形设备、DSP和其他类型的逻辑电路中。在至少一个实施例中,计算机系统1300可以包括但不限于存储器1320。在至少一个实施例中,存储器1320可以被实现为DRAM设备、SRAM设备、闪存设备或其他存储设备。存储器1320可以存储由处理器1302可以执行的由数据信号表示的指令1319和/或数据1321。
在至少一个实施例中,系统逻辑芯片可以耦合到处理器总线1310和存储器1320。在至少一个实施例中,系统逻辑芯片可以包括但不限于存储器控制器集线器(“MCH”)1316,并且处理器1302可以经由处理器总线1310与MCH 1316通信。在至少一个实施例中,MCH1316可以提供到存储器1320的高带宽存储器路径1318以用于指令和数据存储以及用于图形命令、数据和纹理的存储。在至少一个实施例中,MCH 1316可以在处理器1302、存储器1320和计算机系统1300中的其他组件之间启动数据信号,并且在处理器总线1310、存储器1320和系统I/O 1322之间桥接数据信号。在至少一个实施例中,系统逻辑芯片可以提供用于耦合到图形控制器的图形端口。在至少一个实施例中,MCH 1316可以通过高带宽存储器路径1318耦合到存储器1320,并且图形/视频卡1312可以通过加速图形端口(AcceleratedGraphics Port)(“AGP”)互连1314耦合到MCH 1316。
在至少一个实施例中,计算机系统1300可以使用系统I/O 1322作为专有集线器接口总线来将MCH 1316耦合到I/O控制器集线器(“ICH”)1330。在至少一个实施例中,ICH1330可以通过本地I/O总线提供与某些I/O设备的直接连接。在至少一个实施例中,本地I/O总线可以包括但不限于用于将外围设备连接到存储器1320、芯片组和处理器1302的高速I/O总线。示例可以包括但不限于音频控制器1329、固件集线器(“Flash BIOS”)1328、无线收发器1326、数据存储1324、包含用户输入1325的传统I/O控制器1323和键盘接口、串行扩展端口1327(例如USB)和网络控制器1334。数据存储1324可以包括硬盘驱动器、软盘驱动器、CD-ROM设备、闪存设备或其他大容量存储设备。
在至少一个实施例中,图13示出了包括互连的硬件设备或“芯片”的系统。在至少一个实施例中,图13可以示出示例性SoC。在至少一个实施例中,图13中示出的设备可以与专有互连、标准化互连(例如,PCIe)或其某种组合互连。在至少一个实施例中,系统1300的一个或更多个组件使用计算快速链路(CXL)互连来互连。
在至少一个实施例中,图13中所描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图13中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图13中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图13中所描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10所描述的那些。
图14示出了根据至少一个实施例的系统1400。在至少一个实施例中,系统1400是利用处理器1410的电子设备。在至少一个实施例中,系统1400可以是,例如但不限于,笔记本电脑、塔式服务器、机架服务器、刀片服务器、通信地耦合到一个或更多个场所内或云服务提供商的边缘设备、膝上型计算机、台式机、平板电脑、移动设备、电话、嵌入式计算机或任何其他合适的电子设备。
在至少一个实施例中,系统1400可以包括但不限于通信地耦合到任何合适数量或种类的组件、外围设备、模块或设备的处理器1410。在至少一个实施例中,处理器1410使用总线或接口耦合,诸如I2C总线、系统管理总线(“SMBus”)、低引脚数(LPC)总线、串行外围接口(“SPI”)、高清音频(“HDA”)总线、串行高级技术附件(“SATA”)总线、USB(1、2、3版)或通用异步接收器/发送器(“UART”)总线。在至少一个实施例中,图14示出了系统,该系统包括互连的硬件设备或“芯片”。在至少一个实施例中,图14可以示出示例性SoC。在至少一个实施例中,图14中所示的设备可以与专有互连线、标准化互连(例如,PCIe)或其某种组合互连。在至少一个实施例中,图14的一个或更多个组件使用计算快速链路(CXL)互连线来互连。
在至少一个实施例中,图14可以包括显示器1424、触摸屏1425、触摸板1430、近场通信单元(“NFC”)1445、传感器集线器1440、热传感器1446、快速芯片组(“EC”)1435、可信平台模块(“TPM”)1438、BIOS/固件/闪存(“BIOS,FW Flash”)1422、DSP 1460、固态磁盘(“SSD”)或硬盘驱动器(“HDD”)1420、无线局域网单元(“WLAN”)1450、蓝牙单元1452、无线广域网单元(“WWAN”)1456、全球定位系统(GPS)1455、相机(“USB 3.0相机”)1454(例如USB3.0相机)或以例如LPDDR3标准实现的低功耗双倍数据速率(“LPDDR”)存储器单元(“LPDDR3”)1415。这些组件可以各自以任何合适的方式实现。
在至少一个实施例中,其他组件可以通过以上讨论的组件通信地耦合到处理器1410。在至少一个实施例中,加速度计1441、环境光传感器(“ALS”)1442、罗盘1443和陀螺仪1444可以可通信地耦合到传感器集线器1440。在至少一个实施例中,热传感器1439、风扇1437、键盘1446和触摸板1430可以通信地耦合到EC 1435。在至少一个实施例中,扬声器1463、耳机1464和麦克风(“mic”)1465可以通信地耦合到音频单元(“音频编解码器和D类放大器”)1464,其又可以通信地耦合到DSP 1460。在至少一个实施例中,音频单元1464可以包括例如但不限于音频编码器/解码器(“编解码器”)和D类放大器。在至少一个实施例中,SIM卡(“SIM”)1457可以通信地耦合到WWAN单元1456。在至少一个实施例中,组件(诸如WLAN单元1450和蓝牙单元1452以及WWAN单元1456)可以被实现为下一代形式因素(NGFF)。
在至少一个实施例中,图14中所示的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图14中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图14中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图14中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图15示出了根据至少一个实施例的示例性集成电路1500。在至少一个实施例中,示例性集成电路1500是SoC,其可使用一个或更多个IP核心制造。在至少一个实施例中,集成电路1500包括一个或更多个应用处理器1505(例如,CPU、DPU)、至少一个图形处理器1510,并且可以另外包括图像处理器1515和/或视频处理器1520,其中任意一个可能是模块化IP核心。在至少一个实施例中,集成电路1500包括外围或总线逻辑,其包括USB控制器1525、UART控制器1530、SPI/SDIO控制器1535和I2S/I2C控制器1540。在至少一个实施例中,集成电路1500可以包括显示设备1545耦合到高清多媒体接口(HDMI)控制器1550和移动工业处理器接口(MIPI)显示接口1555中的一个或更多个。在至少一个实施例中,存储可以由闪存子系统1560提供,包括闪存和闪存控制器。在至少一个实施例中,可以经由存储器控制器1565提供存储器接口以用于访问SDRAM或SRAM存储器设备。在至少一个实施例中,一些集成电路还包括嵌入式安全引擎1570。
在至少一个实施例中,图15中描述的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图15中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图15中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图15中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10所描述的那些。
图16示出了根据至少一个实施例的计算系统1600。在至少一个实施例中,计算系统1600包括处理子系统1601,其具有经由可以包括存储器集线器1605的互连路径通信的一个或更多个处理器1602和系统存储器1604。在至少一个实施例中,存储器集线器1605可以是芯片组组件内的单独组件,也可以集成在一个或更多个处理器1602内。在至少一个实施例中,存储器集线器1605通过通信链路1606与I/O子系统1611耦合。在至少一个实施例中,I/O子系统1611包括I/O集线器1607,其可以使计算系统1600能够接收来自一个或更多个输入设备1608的输入。在至少一个实施例中,I/O集线器1607可以使能显示控制器,其包括在一个或更多个处理器1602中,用于向一个或更多个显示设备1610A提供输出。在至少一个实施例中,与I/O集线器1607耦合的一个或更多个显示设备1610A可以包括本地、内部或嵌入式显示设备。
在至少一个实施例中,处理子系统1601包括经由总线或其他通信链路1613耦合到存储器集线器1605的一个或更多个并行处理器1612。在至少一个实施例中,通信链路1613可以是许多基于标准的通信链路技术或协议中的一种,例如但不限于PCIe,或者可以是针对供应商的通信接口或通信结构。在至少一个实施例中,一个或更多个并行处理器1612形成计算集中的并行或向量处理系统,该系统可以包括大量的处理核心和/或处理集群,例如多集成核心(MIC)处理器。在至少一个实施例中,一个或更多个并行处理器1612形成可以将像素输出到经由I/O集线器1607耦合的一个或更多个显示设备1610A之一的图形处理子系统。在至少一个实施例中,一个或更多个并行处理器1612还可以包括显示控制器和显示接口(未示出),以使得能够直接连接到一个或更多个显示设备1610B。
在至少一个实施例中,系统存储单元1614可以连接到I/O集线器1607,以提供用于计算系统1600的存储机制。在至少一个实施例中,I/O交换机1616可以用于提供接口机制,以实现I/O集线器1607与其他组件之间的连接,例如可以集成到平台中的网络适配器1618和/或无线网络适配器1619,以及可以通过一个或更多个附加设备1620添加的各种其他设备。在至少一个实施例中,网络适配器1618可以是以太网适配器或另一有线网络适配器。在至少一个实施例中,无线网络适配器1619可以包括Wi-Fi、蓝牙、NFC的一个或更多个或其他包括一个或更多个无线电的网络设备。
在至少一个实施例中,计算系统1600可以包括未明确示出的其他组件,包括USB或其他端口连接、光存储驱动器、视频捕获设备等,也可以连接到I/O集线器1607。在至少一个实施例中,对图16中的各个组件进行互连的通信路径可以使用任何合适的协议来实现,诸如基于PCI(外围组件互连)的协议(例如,PCIe),或其他总线或点对点通信接口和/或协议(例如,NVLink高速互连或互连协议)。
在至少一个实施例中,一个或更多个并行处理器1612包括针对图形和视频处理而优化的电路(包括例如视频输出电路),并构成图形处理单元(GPU)。在至少一个实施例中,一个或更多个并行处理器1612包括针对通用处理而优化的电路。在至少一个实施例中,计算系统1600的组件可以与单个集成电路上的一个或更多个其他系统元件集成。例如,在至少一个实施例中,一个或更多个并行处理器1612、存储器集线器1605、处理器1602和I/O集线器1607可以被集成到片上系统(SoC)集成电路中。在至少一个实施例中,计算系统1600的组件可以被集成到单个封装中以形成系统级封装(SIP)配置。在至少一个实施例中,计算系统1600的组件的至少一部分可以被集成到多芯片模块(MCM)中,该多芯片模块可以与其他多芯片模块互连到模块化计算系统中。在至少一个实施例中,从计算系统1600中省略了I/O子系统1611和显示设备1610B。
在至少一个实施例中,图16中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图16所示的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图16所示的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图16中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10所描述的那些。
处理系统
以下各图阐述了但不限于可用于实现至少一个实施例的示例性处理系统。
图17示出了根据至少一个实施例的加速处理单元(“APU”)1700。在至少一个实施例中,APU 1700由加利福尼亚州圣克拉拉市的AMD公司开发。在至少一个实施例中,APU1700可以被配置为执行应用程序,诸如CUDA程序。在至少一个实施例中,APU 1700包括但不限于核心复合体1710、图形复合体1740、结构1760、I/O接口1770、存储器控制器1780、显示控制器1792和多媒体引擎1794。在至少一个实施例中,APU 1700可以包括但不限于任意数量的核心复合体1710、任意数量的图形复合体1740、任意数量的显示控制器1792和任意数量的多媒体引擎1794的任何组合。为了说明的目的,在本文中用附图标记表示相似对象的多个实例,其中附图标记标识该对象,并且括号中的数字标识所需要的实例。
在至少一个实施例中,核心复合体1710是CPU,图形复合体1740是GPU,并且APU1700是将不限于1710和1740集成到单个芯片上的处理单元。在至少一个实施例中,一些任务可以被分配给核心复合体1710,而其他任务可以被分配给图形复合体1740。在至少一个实施例中,核心复合体1710被配置为执行与APU 1700相关联的主控制软件,例如操作系统。在至少一个实施例中,核心复合体1710是APU 1700的主处理器,其控制和协调其他处理器的操作。在至少一个实施例中,核心复合体1710发出控制图形复合体1740的操作的命令。在至少一个实施例中,核心复合体1710可以被配置为执行从CUDA源代码派生的主机可执行代码,并且图形复合体1740可以被配置为执行从CUDA源代码派生的设备可执行代码。
在至少一个实施例中,核心复合体1710包括但不限于核心1720(1)-1720(4)和L3高速缓存1730。在至少一个实施例中,核心复合体1710可以包括但不限于任意数量的核心1720以及任意数量和类型的高速缓存的任何组合。在至少一个实施例中,核心1720被配置为执行特定指令集架构(“ISA”)的指令。在至少一个实施例中,每个核心1720是CPU核心。
在至少一个实施例中,每个核心1720包括但不限于获取/解码单元1722,整数执行引擎1724,浮点执行引擎1726和L2高速缓存1728。在至少一个实施例中,获取/解码单元1722获取指令,对这些指令进行解码,生成微操作,并将单独的微指令分派给整数执行引擎1724和浮点执行引擎1726。在至少一个实施例中,获取/解码单元1722可以同时分派一个微指令到整数执行引擎1724和另一微指令到浮点执行引擎1726。在至少一个实施例中,整数执行引擎1724执行不限于整数和存储器操作。在至少一个实施例中,浮点引擎1726执行不限于浮点和向量运算。在至少一个实施例中,获取-解码单元1722将微指令分派给单个执行引擎,该执行引擎代替整数执行引擎1724和浮点执行引擎1726两者。
在至少一个实施例中,每个核心1720(i)可以访问包括在核心1720(i)中的L2高速缓存1728(i),其中i是表示核心1720的特定实例的整数。在至少一个实施例中,包括在核心复合体1710(j)中的每个核心1720经由包括在核心复合体1710(j)中的L3高速缓存1730(j)连接到包括在核心复合体1710(j)中的其他核心1720,其中j是表示核心复合体1710的特定实例的整数。在至少一个实施例中,包括在核心复合体1710(j)中的核心1720可以访问包括在核心复合体1710(j)中的所有L3高速缓存1730(j),其中j是表示核心复合体1710的特定实例的整数。在至少一个实施例中,L3高速缓存1730可以包括但不限于任意数量的切片(slice)。
在至少一个实施例中,图形复合体1740可以被配置为以高度并行的方式执行计算操作。在至少一个实施例中,图形复合体1740被配置为执行图形管线操作,诸如绘制命令、像素操作、几何计算以及与将图像渲染至显示器相关联的其他操作。在至少一个实施例中,图形复合体1740被配置为执行与图形无关的操作。在至少一个实施例中,图形复合体1740被配置为执行与图形有关的操作和与图形无关的操作。
在至少一个实施例中,图形复合体1740包括但不限于任意数量的计算单元1750和L2高速缓存1742。在至少一个实施例中,计算单元1750共享L2高速缓存1742。在至少一个实施例中,L2高速缓存1742被分区。在至少一个实施例中,图形复合体1740包括但不限于任意数量的计算单元1750以及任意数量(包括零)和类型的高速缓存。在至少一个实施例中,图形复合体1740包括但不限于任意数量的专用图形硬件。
在至少一个实施例中,每个计算单元1750包括但不限于任意数量的SIMD单元1752和共享存储器1754。在至少一个实施例中,每个SIMD单元1752实现SIMD架构并且被配置为并行执行操作。在至少一个实施例中,每个计算单元1750可以执行任意数量的线程块,但是每个线程块在单个计算单元1750上执行。在至少一个实施例中,线程块包括但不限于任意数量的执行线程。在至少一个实施例中,工作组是线程块。在至少一个实施例中,每个SIMD单元1752执行不同的线程束(warp)。在至少一个实施例中,线程束是一组线程(例如16个线程),其中线程束中的每个线程属于单个线程块,并且被配置为基于单个指令集来处理不同的数据集。在至少一个实施例中,可以使用预测(predication)来禁用线程束中的一个或更多个线程。在至少一个实施例中,通道是线程。在至少一个实施例中,工作项是线程。在至少一个实施例中,波前是线程束。在至少一个实施例中,线程块中的不同波前可一起同步并经由共享存储器1754进行通信。
在至少一个实施例中,结构1760是系统互连,其促进跨核心复合体1710、图形复合体1740、I/O接口1770、存储器控制器1780、显示控制器1792和多媒体引擎1794的数据和控制传输。在至少一个实施例中,除了结构1760之外或代替结构1760,APU 1700还可以包括但不限于任意数量和类型的系统互连,该结构1760促进跨可以在APU 1700内部或外部的任意数量和类型的直接或间接链接的组件的数据和控制传输。在至少一个实施例中,I/O接口1770表示任意数量和类型的I/O接口(例如,PCI,PCI-Extended(“PCI-X”),PCIe,千兆以太网(“GBE”),USB等)。在至少一个实施例中,各种类型的外围设备耦合到I/O接口1770。在至少一个实施例中,耦合到I/O接口1770的外围设备可以包括但不限于键盘,鼠标,打印机,扫描仪,操纵杆或其他类型的游戏控制器、媒体记录设备、外部存储设备、网络接口卡等。
在至少一个实施例中,显示控制器1792在一个或更多个显示设备(例如液晶显示器(LCD)设备)上显示图像。在至少一个实施例中,多媒体引擎1794包括但不限于任意数量和类型的与多媒体相关的电路,例如视频解码器、视频编码器、图像信号处理器等。在至少一个实施例中,存储器控制器1780促进APU 1700与统一系统存储器1790之间的数据传输。在至少一个实施例中,核心复合体1710和图形复合体1740共享统一系统存储器1790。
在至少一个实施例中,APU 1700实现种存储器子系统,其包括但不限于任意数量和类型的存储器控制器1780和可以专用于一个组件或在多个组件之间共享的存储器设备(例如,共享存储器1754)。组件。在至少一个实施例中,APU 1700实现高速缓存子系统,其包括但不限于一个或更多个高速缓存存储器(例如,L2高速缓存1828,L3高速缓存1730和L2高速缓存1742),每个高速缓存存储器可以是组件私有的或在任意数量的组件(例如,核心1720,核心复合体1710,SIMD单元1752,计算单元1750和图形复合体1740)之间共享。
在至少一个实施例中,图17中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图17中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图17中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图17中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10所描述的那些。
图18示出了根据至少一个实施例的CPU 1800。在至少一个实施例中,CPU 1800由加利福尼亚州圣克拉拉市的AMD公司开发。在至少一个实施例中,CPU 1800可以被配置为执行应用程序。在至少一个实施例中,CPU1800被配置为执行主控制软件,例如操作系统。在至少一个实施例中,CPU1800发出控制外部GPU(未示出)的操作的命令。在至少一个实施例中,CPU 1800可以被配置为执行从CUDA源代码派生的主机可执行代码,并且外部GPU可以被配置为执行从这种CUDA源代码派生的设备可执行代码。在至少一个实施例中,CPU 1800包括但不限于任意数量的核心复合体1810,结构1860,I/O接口1870和存储器控制器AMAD80。
在至少一个实施例中,核心复合体1810包括但不限于核心1820(1)-1820(4)和L3高速缓存1830。在至少一个实施例中,核心复合体1810可以包括但不限于任意数量的核心1820以及任意数量和类型的高速缓存的任何组合。在至少一个实施例中,核心1820被配置为执行特定ISA的指令。在至少一个实施例中,每个核心1820是CPU核心。
在至少一个实施例中,每个核心1820包括但不限于获取/解码单元1822,整数执行引擎1824,浮点执行引擎1826和L2高速缓存1828。在至少一个实施例中,获取/解码单元1822获取指令,对这些指令进行解码,生成微操作,并将单独的微指令分派给整数执行引擎1824和浮点执行引擎1826。在至少一个实施例中,获取/解码单元1822可以同时分派一个微指令至整数执行引擎1824和另一微指令至浮点执行引擎1826。在至少一个实施例中,整数执行引擎1824执行不限于整数和存储器操作。在至少一个实施例中,浮点引擎1826执行不限于浮点和向量运算。在至少一个实施例中,获取-解码单元1822将微指令分派给单个执行引擎,该引擎代替整数执行引擎1824和浮点执行引擎1826两者。
在至少一个实施例中,每个核心1820(i)可以访问包括在核心1820(i)中的L2高速缓存1828(i),其中i是表示核心1820的特定实例的整数。在至少一个实施例中,包括在核心复合体1810(j)中的每个核心1820经由包括在核心复合体1810(j)中的L3高速缓存1830(j)连接到核心复合体1810(j)中的其他核心1820,其中j是表示核心复合体1810的特定实例的整数。在至少一个实施例中,包括在核心复合体1810(j)中的核心1820可以访问包括在核心复合体1810(j)中的所有L3高速缓存1830(j),其中j是表示核心复合体1810的特定实例的整数。在至少一个实施例中,L3高速缓存1830可以包括但不限于任意数量的切片。
在至少一个实施例中,结构1860是系统互连,其促进跨核心复合体1810(1)-1810(N)(其中N是大于零的整数)、I/O接口1870和存储器控制器1880的数据和控制传输。在至少一个实施例中,除了结构1860之外或代替结构1860,CPU 1800还可以包括但不限于任意数量和类型的系统互连,该结构1860促进跨可以在CPU 1800内部或外部的任意数量和类型的直接或间接链接的组件的数据和控制传输。在至少一个实施例中,I/O接口1870表示任意数量和类型的I/O接口(例如PCI,PCI-X,PCIe,GBE,USB等)。在至少一个实施例中,各种类型的外围设备耦合到I/O接口1870。在至少一个实施例中,耦合到I/O接口1870的外围设备可以包括但不限于显示器,键盘,鼠标,打印机,扫描仪,操纵杆或其他类型的游戏控制器、媒体记录设备、外部存储设备、网络接口卡等。
在至少一个实施例中,存储器控制器1880促进CPU 1800与系统存储器1890之间的数据传输。在至少一个实施例中,核心复合体1810和图形复合体1840共享系统存储器1890。在至少一个实施例中,CPU 1800实现存储器子系统,其包括但不限于任意数量和类型的存储器控制器1880和可以专用于一个组件或在多个组件之间共享的存储器设备。在至少一个实施例中,CPU 1800实现了高速缓存子系统,其包括但不限于一个或更多个高速缓存存储器(例如,L2高速缓存1828和L3高速缓存1830),每个高速缓存存储器可以是组件私有的或在任意数量的组件(例如,核心1820和核心复合体1810)之间共享。
在至少一个实施例中,图18中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图18描绘的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图18描绘的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图18中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图19示出了根据至少一个实施例的示例性加速器集成切片1990。如本文所使用的,“切片”包括加速器集成电路的处理资源的指定部分。在至少一个实施例中,加速器集成电路代表多个图形加速模块种的多个图形处理引擎提供高速缓存管理、存储器访问、环境管理和中断管理服务。图形处理引擎可以各自包括单独的GPU。可选地,图形处理引擎可包括GPU内的不同类型的图形处理引擎,例如图形执行单元、媒体处理引擎(例如,视频编码器/解码器)、采样器和blit引擎。在至少一个实施例中,图形加速模块可以是具有多个图形处理引擎的GPU。在至少一个实施例中,图形处理引擎可以是集成在通用封装、线卡或芯片上的各个GPU。
系统存储器1914内的应用程序有效地址空间1982存储进程元素1983。在一个实施例中,响应于来自处理器1907上执行的应用程序1980的GPU调用1981而存储进程元素1983。进程元素1983包含对应应用程序1980的处理状态。包含在进程元素1983中的工作描述符(WD)1984可以是应用程序请求的单个作业或可能包含指向作业队列的指针。在至少一个实施例中,WD 1984是指向应用程序有效地址空间1982中的作业请求队列的指针。
图形加速模块1946和/或各个图形处理引擎可以由系统中的全部或部分进程共享。在至少一个实施例中,可以包括用于建立处理状态并将WD 1984发送到图形加速模块1946以在虚拟化环境中开始作业的基础设施。
在至少一个实施例中,专用进程编程模型是针对实现的。在该模型中,单个进程拥有图形加速模块1946或个体图形处理引擎。由于图形加速模块1946由单个进程拥有,因此管理程序为拥有的分区初始化加速器集成电路,并且当分配图形加速模块1946时操作系统对加速器集成电路进行初始化以用于拥有的分区。
在操作中,加速器集成切片1990中的WD获取单元1991获取下一个WD 1984,其中包括要由图形加速模块1946的一个或更多个图形处理引擎完成的工作的指示。来自WD 1984的数据可以存储在寄存器1945被存储器管理单元(MMU)1939、中断管理电路1947和/或环境管理电路1948使用,如图所示。例如,MMU 1939的一个实施例包括用于访问OS虚拟地址空间1985内的段/页表1986的段/页面漫游电路。中断管理电路1947可以处理从图形加速模块1946接收到的中断事件(INT)1992。当执行图操作时,由图形处理引擎产生的有效地址1993由MMU 1939转换为实际地址。
在一个实施例中,为每个图形处理引擎和/或图形加速模块1946复制相同的寄存器组1945,并且可以由系统管理程序或操作系统来初始化。这些复制的寄存器中的每一个都可以包含在加速器集成切片1990中。表1中显示了可由管理程序初始化的示例性寄存器。
表1–管理程序初始化的寄存器
表2中示出了可以由操作系统初始化的示例性寄存器。
表2–操作系统初始化寄存器
1 | 进程和线程识别 |
2 | 有效地址(EA)环境保存/还原指针 |
3 | 虚拟地址(VA)加速器利用率记录指针 |
4 | 虚拟地址(VA)存储分段表指针 |
5 | 权威面具 |
6 | 工作描述符 |
在一个实施例中,每个WD 1984特定于特定的图形加速模块1946和/或特定图形处理引擎。它包含图形处理引擎进行工作或工作所需的所有信息,或者它可以是指向存储器位置的指针,其中应用程序建立了要完成的工作的命令队列。
在至少一个实施例中,图19中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图19中描绘的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图19描绘的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图19中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10描述的那些。
图20A-20B示出了根据本文至少一个实施例的示例性图形处理器。在至少一个实施例中,任何示例性图形处理器可以使用一个或更多个IP核心来制造。除了图示之外,在至少一个实施例中可以包括其他逻辑和电路,包括附加的图形处理器/核心、外围接口控制器或通用处理器核心。在至少一个实施例中,示例性图形处理器用于SoC内。
图20A示出了根据至少一个实施例的SoC集成电路的示例性图形处理器2010,其可以使用一个或更多个IP核心来制造。图20B示出了根据至少一个实施例的SoC集成电路的的附加示例性图形处理器2040,其可以使用一个或更多个IP核心来制造。在至少一个实施例中,图20A的图形处理器2010是低功耗图形处理器核心。在至少一个实施例中,图20B的图形处理器2040是更高性能的图形处理器核心。在至少一个实施例中,每个图形处理器2010、2040可以是图15的图形处理器1510的变体。
在至少一个实施例中,图形处理器2010包括顶点处理器2005和一个或更多个片段处理器2015A-2015N(例如2015A、2015B、2015C、2015D至2015N-1和2015N)。在至少一个实施例中,图形处理器2010可以经由单独的逻辑来执行不同的着色器程序,使得顶点处理器2005被优化以执行针对顶点着色器程序的操作,而一个或更多个片段处理器2015A-2015N执行片段(例如,像素)着色操作用于片段或像素或着色器程序。在至少一个实施例中,顶点处理器2005执行3D图形管线的顶点处理阶段并生成图元和顶点数据。在至少一个实施例中,片段处理器2015A-2015N使用由顶点处理器2005生成的图元和顶点数据来生成在显示设备上显示的帧缓冲区。在至少一个实施例中,片段处理器2015A-2015N被优化以执行如在OpenGL API中所提供的片段着色器程序,其可以用于执行与在Direct 3D API中所提供的像素着色器程序类似的操作。
在至少一个实施例中,图形处理器2010附加地包括一个或更多个MMU 2020A-2020B、高速缓存2025A-2025B和电路互连2030A-2030B。在至少一个实施例中,一个或更多个MMU 2020A-2020B提供用于图形处理器2010的虚拟到物理地址的映射,包括用于顶点处理器2005和/或片段处理器2015A-2015N,其可以引用存储在存储器中的顶点或图像/纹理数据,除了存储在一个或更多个高速缓存2025A-2025B中的顶点或图像/纹理数据之外。在至少一个实施例中,一个或更多个MMU 2020A-2020B可以与系统内的其他MMU同步,包括与图15的一个或更多个应用处理器1505、图像处理器1515和/或视频处理器1520相关联的一个或更多个MMU,使得每个处理器1505-1520可以参与共享或统一的虚拟存储器系统。在至少一个实施例中,一个或更多个电路互连2030A-2030B使图形处理器2010能够经由SoC的内部总线或经由直接连接与SoC内的其他IP核心相连接。
在至少一个实施例中,图形处理器2040包括图20A的图形处理器2010的一个或更多个MMU 2020A-2020B、高速缓存2025A-2025B和电路互连2030A-2030B。在至少一个实施例中,图形处理器2040包括一个或更多个着色器核心2055A-2055N(例如,2055A、2055B、2055C、2055D、2055E、2055F、至2055N-1和2055N),其提供了统一的着色器核心架构,其中单个核心或类型或核心可以执行所有类型的可编程着色器代码,包括用于实现顶点着色器、片段着色器和/或计算着色器的着色器程序代码。在至少一个实施例中,多个着色器核心可以变化。在至少一个实施例中,图形处理器2040包括核心间任务管理器2045,其充当线程分派器以将执行线程分派给一个或更多个着色器核心2055A-2055N和分块单元2058,以加速基于图块渲染的分块操作,其中在图像空间中细分了场景的渲染操作,例如,以利用场景内的局部空间一致性或优化内部缓存的使用。
在至少一个实施例中,图20A-20B中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图20A-20B描绘的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图20A-20B描绘的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图20A-20B中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图21A示出了根据至少一个实施例的图形核心2100。在至少一个实施例中,图形核心2100可以包括在图15的图形处理器1510内。在至少一个实施例中,图形核心2100可以是图20B中统一的着色器核心2055A-2055N。在至少一个实施例中,图形核心2100包括共享指令高速缓存2102、纹理单元2118和高速缓存/共享存储器2120,它们是图形核心2100内的执行资源所共有的。在至少一个实施例中,图形核心2100可以包括多个切片(slice)2101A-2101N或每个核心的分区,图形处理器可以包括图形核心2100的多个实例。切片2101A-2101N可以包括支持逻辑,该支持逻辑包括本地指令高速缓存2104A-2104N、线程调度器2106A-2106N、线程分派器2108A-2108N和一组寄存器2110A-2110N。在至少一个实施例中,切片2101A-2101N可以包括一组附加功能单元(AFU)2112A-2112N、浮点单元(FPU)2114A-2114N、整数算术逻辑单元(ALU)2116A-2116N、地址计算单元(ACU)2113A-2113N、双精度浮点单元(DPFPU)2115A-2115N和矩阵处理单元(MPU)2117A-2117N。
在一个实施例中,FPU 2114A-2114N可以执行单精度(32位)和半精度(16位)浮点运算,而DPFPU 2115A-2115N可以执行双精度(64位)浮点运算点操作。在至少一个实施例中,ALU 2116A-2116N可以以8位、16位和32位精度执行可变精度整数运算,并且可以被配置用于混合精度运算。在至少一个实施例中,MPU 2117A-2117N还可被配置用于混合精度矩阵运算,包括半精度浮点运算和8位整数运算。在至少一个实施例中,MPU 2117A-2117N可以执行各种矩阵操作以加速CUDA程序,包括使得能够支持加速的通用矩阵到矩阵乘法(GEMM)。在至少一个实施例中,AFU 2112A-2112N可以执行浮点数或整数单元不支持的附加逻辑运算,包括三角运算(例如,Sine、Cosine等)。
图21B示出了在至少一个实施例中的通用图形处理单元(GPGPU)2130。在至少一个实施例中,GPGPU 2130是高度并行的并且适合于部署在多芯片模块上。在至少一个实施例中,GPGPU 2130可以被配置为使得高度并行的计算操作能够由GPU阵列来执行。在至少一个实施例中,GPGPU 2130可以直接链路到GPGPU 2130的其他实例,以创建多GPU集群以提高用于CUDA程序的执行时间。在至少一个实施例中,GPGPU 2130包括主机接口2132以实现与主机处理器的连接。在至少一个实施例中,主机接口2132是PCIe接口。在至少一个实施例中,主机接口2132可以是厂商专用的通信接口或通信结构。在至少一个实施例中,GPGPU 2130从主机处理器接收命令,并使用全局调度器2134将与那些命令相关联的执行线程分派给一组计算集群2136A-2136H。在至少一个实施例中,计算集群2136A-2136H共享高速缓存存储器2138。在至少一个实施例中,高速缓存存储器2138可以用作计算集群2136A-2136H内的高速缓存存储器的高级高速缓存。
在至少一个实施例中,GPGPU 2130包括经由一组存储器控制器2142A-2142B与计算集群2136A-2136H耦合的存储器2144A-2144B。在至少一个实施例中,存储器2144A-2144B可以包括各种类型的存储器设备,包括动态随机存取存储器(DRAM)或图形随机存取存储器,例如同步图形随机存取存储器(SGRAM),包括图形双倍数据速率(GDDR)存储器。
在至少一个实施例中,计算集群2136A-2136H各自包括一组图形核心,诸如图21A的图形核心2100,其可以包括多种类型的整数和浮点逻辑单元,可以以各种精度执行计算操作,包括适合与CUDA程序相关的计算。例如,在至少一个实施例中,每个计算集群2136A-2136H中的浮点单元的至少一个子集可以配置为执行16位或32位浮点运算,而不同的浮点单元的子集可以配置为执行64位浮点运算。
在至少一个实施例中,GPGPU 2130的多个实例可以被配置为操作为计算集群。计算集群2136A-2136H可以实现用于同步和数据交换的任何技术上可行的通信技术。在至少一个实施例中,GPGPU 2130的多个实例通过主机接口2132进行通信。在至少一个实施例中,GPGPU 2130包括I/O集线器2139,其将GPGPU 2130与GPU链路2140耦合,使得能够直接连接至GPGPU 2130的其他的实例。在至少一个实施例中,GPU链路2140耦合到专用GPU到GPU桥接器,其使得能够在GPGPU 2130的多个实例之间进行通信和同步。在至少一个实施例中,GPU链路2140与高速互连耦合,以向其他GPGPU或并行处理器发送和接收数据。在至少一个实施例中,GPGPU 2130的多个实例位于单独的数据处理系统中,并经由可经由主机接口2132访问的网络设备进行通信。在至少一个实施例中,GPU链路2140可被配置为能够连接到主机处理器,附加或替代主机接口2132。在至少一个实施例中,GPGPU 2130可以配置为执行CUDA程序。
在至少一个实施例中,图21A-21B中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图21A-21B描绘的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图21A-21B描绘的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图21A-21B中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10描述的那些系统和/或过程。
图22A示出了根据至少一个实施例的并行处理器2200。在至少一个实施例中,并行处理器2200的各种组件可以使用一个或更多个集成电路设备来实现,例如可编程处理器、专用集成电路(ASIC)或FPGA。
在至少一个实施例中,并行处理器2200包括并行处理单元2202。在至少一个实施例中,并行处理单元2202包括I/O单元2204,其使得能够与其他设备进行通信,包括并行处理单元2202的其他实例。在至少一个实施例中,I/O单元2204可以直接连接到其他设备。在至少一个实施例中,I/O单元2204通过使用集线器或交换机接口(例如,存储器集线器2205)与其他设备连接。在至少一个实施例中,存储器集线器2205与I/O单元2204之间的连接形成通信链路。在至少一个实施例中,I/O单元2204与主机接口2206和存储器交叉开关2216连接,其中主机接口2206接收用于执行处理操作的命令,而存储器交叉开关2216接收用于执行存储器操作的命令。
在至少一个实施例中,当主机接口2206经由I/O单元2204接收命令缓冲区时,主机接口2206可以引导工作操作以执行那些命令到前端2208。在至少一个实施例中,前端2208与调度器2210耦合,调度器2210配置成将命令或其他工作项分配给处理阵列2212。在至少一个实施例中,调度器2210确保在将任务分配给处理阵列2212中的处理阵列2212之前,处理阵列2212被正确地配置并且处于有效状态。在至少一个实施例中,调度器2210通过在微控制器上执行的固件逻辑来实现。在至少一个实施例中,微控制器实现的调度器2210可配置成以粗粒度和细粒度执行复杂的调度和工作分配操作,从而实现对在处理阵列2212上执行的线程的快速抢占和环境切换。在至少一个实施例中,主机软件可以证明用于通过多个图形处理门铃之一在处理阵列2212上进行调度的工作负载。在至少一个实施例中,工作负载然后可以由包括调度器2210的微控制器内的调度器2210逻辑在处理阵列2212上自动分配。
在至少一个实施例中,处理阵列2212可以包括多达“N”个处理集群(例如,集群2214A、集群2214B到集群2214N)。在至少一个实施例中,处理阵列2212的每个集群2214A-2214N可以执行大量并发线程。在至少一个实施例中,调度器2210可以使用各种调度和/或工作分配算法将工作分配给处理阵列2212的集群2214A-2214N,其可以根据每种程序或计算类型产生的工作负载而变化。在至少一个实施例中,调度可以由调度器2210动态地处理,或者可以在配置为由处理阵列2212执行的程序逻辑的编译期间部分地由编译器逻辑来辅助。在至少一个实施例中,可将处理阵列2212的不同的集群2214A-2214N分配用于处理不同类型的程序或用于执行不同类型的计算。
在至少一个实施例中,处理阵列2212可以配置成执行各种类型的并行处理操作。在至少一个实施例中,处理阵列2212配置成执行通用并行计算操作。例如,在至少一个实施例中,处理阵列2212可以包括执行处理任务的逻辑,该处理任务包括对视频和/或音频数据的过滤,执行建模操作,包括物理操作以及执行数据转换。
在至少一个实施例中,处理阵列2212配置成执行并行图形处理操作。在至少一个实施例中,处理阵列2212可以包括附加逻辑以支持这种图形处理操作的执行,包括但不限于执行纹理操作的纹理采样逻辑,以及镶嵌逻辑和其他顶点处理逻辑。在至少一个实施例中,处理阵列2212可以配置成执行与图形处理有关的着色器程序,例如但不限于顶点着色器、曲面细分着色器、几何着色器和像素着色器。在至少一个实施例中,并行处理单元2202可以经由I/O单元2204从系统存储器传送数据以进行处理。在至少一个实施例中,在处理期间,可以在处理期间将传送的数据存储到片上存储器(例如,并行处理器存储器2222),然后将其写回到系统存储器。
在至少一个实施例中,当并行处理单元2202用于执行图处理时,调度器2210可以配置成将处理工作负载划分为近似相等大小的任务,以更好地将图形处理操作分配给处理阵列2212的多个集群2214A-2214N。在至少一个实施例中,处理阵列2212的部分可以配置成执行不同类型的处理。例如,在至少一个实施例中,第一部分可以配置成执行顶点着色和拓扑生成,第二部分可以配置成执行镶嵌和几何着色,并且第三部分可以配置成执行像素着色或其他屏幕空间操作,以生成用于显示的渲染图像。在至少一个实施例中,可以将由集群2214A-2214N中的一个或更多个产生的中间数据存储在缓冲区中,以允许在集群2214A-2214N之间传输中间数据以进行进一步处理。
在至少一个实施例中,处理阵列2212可以经由调度器2210接收要执行的处理任务,该调度器2210从前端2208接收定义处理任务的命令。在至少一个实施例中,处理任务可以包括要被处理的数据的索引,例如可以包括表面(补丁)数据、原始数据、顶点数据和/或像素数据,以及状态参数和定义如何处理数据的命令(例如,要执行什么程序)。在至少一个实施例中,调度器2210可以配置成获取与任务相对应的索引,或者可以从前端2208接收索引。在至少一个实施例中,前端2208可以配置成确保在启动由传入命令缓冲区(例如,批缓冲区(batch-buffer)、推送缓冲区等)指定的工作负载之前,处理阵列2212配置成有效状态。
在至少一个实施例中,并行处理单元2202的一个或更多个实例中的每一个可以与并行处理器存储器2222耦合。在至少一个实施例中,可以经由存储器交叉开关2216访问并行处理器存储器2222,所述存储器交叉开关2216可以接收来自处理阵列2212以及I/O单元2204的存储器请求。在至少一个实施例中,存储器交叉开关2216可以经由存储器接口2218访问并行处理器存储器2222。在至少一个实施例中,存储器接口2218可以包括多个分区单元(例如,分区单元2220A、分区单元2220B到分区单元2220N),其可各自耦合至并行处理器存储器2222的一部分(例如,存储器单元)。在至少一个实施例中,多个分区单元2220A-2220N为配置为等于存储器单元的数量,使得第一分区单元2220A具有对应的第一存储器单元2224A,第二分区单元2220B具有对应的存储器单元2224B,第N分区单元2220N具有对应的第N存储器单元2224N。在至少一个实施例中,分区单元2220A-2220N的数量可以不等于存储器设备的数量。
在至少一个实施例中,存储器单元2224A-2224N可以包括各种类型的存储器设备,包括动态随机存取存储器(DRAM)或图形随机存取存储器,例如同步图形随机存取存储器(SGRAM),包括图形双倍数据速率(GDDR)存储器。在至少一个实施例中,存储器单元2224A-2224N还可包括3D堆叠存储器,包括但不限于高带宽存储器(HBM)。在至少一个实施例中,可以跨存储器单元2224A-2224N来存储诸如帧缓冲区或纹理映射的渲染目标,从而允许分区单元2220A-2220N并行地写入每个渲染目标的部分,以有效地使用并行处理器存储器2222的可用带宽。在至少一个实施例中,可以排除并行处理器存储器2222的本地实例,以有利于利用系统存储器与本地高速缓存存储器结合的统一存储器设计。
在至少一个实施例中,处理阵列2212的集群2214A-2214N中的任何一个都可以处理将被写入并行处理器存储器2222内的任何存储器单元2224A-2224N中的数据。在至少一个实施例中,存储器交叉开关2216可以配置为将每个集群2214A-2214N的输出传输到任何分区单元2220A-2220N或另一个集群2214A-2214N,集群2214A-2214N可以对输出执行其他处理操作。在至少一个实施例中,每个集群2214A-2214N可以通过存储器交叉开关2216与存储器接口2218通信,以从各种外部存储设备读取或写入各种外部存储设备。在至少一个实施例中,存储器交叉开关2216具有到存储器接口2218的连接以与I/O单元2204通信,以及到并行处理器存储器2222的本地实例的连接,从而使不同处理集群2214A-2214N内的处理单元与系统存储器或不是并行处理单元2202本地的其他存储器进行通信。在至少一个实施例中,存储器交叉开关2216可以使用虚拟通道来分离集群2214A-2214N和分区单元2220A-2220N之间的业务流。
在至少一个实施例中,可以在单个插入卡上提供并行处理单元2202的多个实例,或者可以将多个插入卡互连。在至少一个实施例中,并行处理单元2202的不同实例可以配置成相互操作,即使不同实例具有不同数量的处理核心,不同数量的本地并行处理器存储器和/或其他配置差异。例如,在至少一个实施例中,并行处理单元2202的一些实例可以包括相对于其他实例而言更高精度的浮点单元。在至少一个实施例中,结合并行处理单元2202或并行处理器2200的一个或更多个实例的系统可以以各种配置和形式因素来实现,包括但不限于台式机、膝上型计算机或手持式个人计算机、服务器、工作站、游戏机和/或嵌入式系统。
图22B示出了根据至少一个实施例的处理集群2294。在至少一个实施例中,处理集群2294被包括在并行处理单元内。在至少一个实施例中,处理集群2294是图22的处理集群2214A-2214N之一的实例。在至少一个实施例中,处理集群2294可以配置成并行执行许多线程,其中术语“线程”是指在特定的一组输入数据上执行的特定程序的实例。在至少一个实施例中,单指令多数据(SIMD)指令发布技术用于支持大量线程的并行执行而无需提供多个独立的指令单元。在至少一个实施例中,使用单指令多线程(SIMT)技术来支持并行执行大量一般同步的线程,这使用了公共指令单元,该公共指令单元配置成向每个处理集群2294内的一组处理引擎发出指令。
在至少一个实施例中,可以通过将处理任务分配给SIMT并行处理器的管线管理器2232来控制处理集群2294的操作。在至少一个实施例中,管线管理器2232从图22的调度器2210接收指令,通过图形多处理器2234和/或纹理单元2236管理这些指令的执行。在至少一个实施例中,图形多处理器2234是SIMT并行处理器的示例性实例。然而,在至少一个实施例中,处理集群2294内可以包括不同架构的各种类型的SIMT并行处理器。在至少一个实施例中,在处理集群2294内可以包括图形多处理器2234的一个或更多个实例。在至少一个实施例中,图形多处理器2234可以处理数据,并且数据交叉开关2240可以用于将处理后的数据分发到多个可能的目的(包括其他着色器单元)地之一。在至少一个实施例中,管线管理器2232可以通过指定要经由数据交叉开关2240分配的处理后的数据的目的地来促进处理后的数据的分配。
在至少一个实施例中,处理集群2294内的每个图形多处理器2234可以包括相同的一组功能执行逻辑(例如,算术逻辑单元、加载存储单元(LSU)等)。在至少一个实施例中,可以以管线方式配置功能执行逻辑,其中可以在先前的指令完成之前发出新的指令。在至少一个实施例中,功能执行逻辑支持多种运算,包括整数和浮点算术、比较操作、布尔运算、移位和各种代数函数的计算。在至少一个实施例中,可以利用相同的功能单元硬件来执行不同的操作,并且可以存在功能单元的任何组合。
在至少一个实施例中,传送到处理集群2294的指令构成线程。在至少一个实施例中,跨一组并行处理引擎执行的一组线程是线程组。在至少一个实施例中,线程组在不同的输入数据上执行程序。在至少一个实施例中,线程组内的每个线程可被分配给图形多处理器2234内的不同处理引擎。在至少一个实施例中,线程组可包括比图形多处理器2234内的多个处理引擎更少的线程。在至少一个实施例中,当线程组包括的线程数少于处理引擎的数量时,一个或更多个处理引擎在正在处理该线程组的循环期间可能是空闲的。在至少一个实施例中,线程组还可以包括比图形多处理器2234内的多个处理引擎更多的线程。在至少一个实施例中,当线程组包括比图形多处理器2234内的处理引擎的数量更多的线程时,可以在连续的时钟周期内执行处理。在至少一个实施例中,可以在图形多处理器2234上同时执行多个线程组。
在至少一个实施例中,图形多处理器2234包括内部高速缓存存储器,以执行加载和存储操作。在至少一个实施例中,图形多处理器2234可以放弃内部高速缓存并使用处理集群2294内的高速缓存存储器(例如,L1高速缓存2248)。在至少一个实施例中,每个图形多处理器2234还可以访问分区单元(例如,图22A的分区单元2220A-2220N)内的L2高速缓存,这些分区单元在所有处理集群2294之间共享并且可以用于在线程之间传输数据。在至少一个实施例中,图形多处理器2234还可以访问片外全局存储器,其可以包括本地并行处理器存储器和/或系统存储器中的一个或更多个。在至少一个实施例中,并行处理单元2202外部的任何存储器都可以用作全局存储器。在至少一个实施例中,处理集群2294包括图形多处理器2234的多个实例,它们可以共享可以存储在L1高速缓存2248中的公共指令和数据。
在至少一个实施例中,每个处理集群2294可以包括配置成将虚拟地址映射为物理地址的MMU 2245。在至少一个实施例中,MMU 2245的一个或更多个实例可以驻留在图22的存储器接口2218内。在至少一个实施例中,MMU 2245包括一组页表条目(PTE),其用于将虚拟地址映射到图块(谈论有关图块的更多信息)的物理地址以及可选地映射到高速缓存行索引。在至少一个实施例中,MMU 2245可以包括地址转换后备缓冲区(TLB)或可以驻留在图形多处理器2234或L1高速缓存2248或处理集群2294内的高速缓存。在至少一个实施例中,处理物理地址以分配表面数据访问局部性,以便在分区单元之间进行有效的请求交织。在至少一个实施例中,高速缓存行索引可以用于确定对高速缓存线的请求是命中还是未命中。
在至少一个实施例中,可以配置处理集群2294,使得每个图形多处理器2234耦合到纹理单元2236,以执行纹理映射操作,例如,可以涉及确定纹理样本位置、读取纹理数据以及过滤纹理数据。在至少一个实施例中,根据需要从内部纹理L1高速缓存(未示出)或从图形多处理器2234内的L1高速缓存中读取纹理数据,并从L2高速缓存、本地并行处理器存储器或系统存储器中获取纹理数据。在至少一个实施例中,每个图形多处理器2234将处理后的任务输出到数据交叉开关2240,以将处理后的任务提供给另一处理集群2294以进行进一步处理或将处理后的任务存储在L2高速缓存、本地并行处理器存储器、或经由存储器交叉开关2216的系统存储器中。在至少一个实施例中,光栅前操作单元(preROP)2242配置成从图形多处理器2234接收数据,将数据引导至ROP单元,该ROP单元可以与本文所述的分区单元(例如,图22的分区单元2220A-2220N)一起定位。在至少一个实施例中,PreROP 2242单元可以执行用于颜色混合的优化、组织像素颜色数据以及执行地址转换。
图22C示出了根据至少一个实施例的图形多处理器2296。在至少一个实施例中,图形多处理器2296是图22B的图形多处理器2234。在至少一个实施例中,图形多处理器2296与处理集群2294的管线管理器2232耦合。在至少一个实施例中,图形多处理器2296具有执行管线,该执行管线包括但不限于指令高速缓存2252、指令单元2254、地址映射单元2256、寄存器文件2258、一个或更多个GPGPU核心2262和一个或更多个LSU2266。GPGPU核心2262和LSU 2266与高速缓存存储器2272和共享存储器2270通过存储器和高速缓存互连2268耦合。
在至少一个实施例中,指令高速缓存2252从管线管理器2232接收要执行的指令流。在至少一个实施例中,将指令高速缓存在指令高速缓存2252中并将其分派以供指令单元2254执行。在一个实施例中,指令单元2254可以分派指令作为线程组(例如,线程束),将线程组的每个线程分配给GPGPU核心2262内的不同执行单元。在至少一个实施例中,指令可以通过在统一地址空间内指定地址来访问任何本地、共享或全局地址空间。在至少一个实施例中,地址映射单元2256可以用于将统一地址空间中的地址转换成可以由LSU 2266访问的不同的存储器地址。
在至少一个实施例中,寄存器文件2258为图形多处理器2296的功能单元提供了一组寄存器。在至少一个实施例中,寄存器文件2258为连接到图形多处理器2296的功能单元(例如,GPGPU核心2262、LSU 2266)的数据路径的操作数提供了临时存储。在至少一个实施例中,在每个功能单元之间划分寄存器文件2258,使得为每个功能单元分配寄存器文件2258的专用部分。在至少一个实施例中,寄存器文件2258在图形多处理器2296正在执行的不同线程组之间划分。
在至少一个实施例中,GPGPU核心2262可以各自包括用于执行图多处理器2296的指令的FPU和/或ALU。GPGPU核心2262在架构上可以相似或架构可能有所不同。在至少一个实施例中,GPGPU核心2262的第一部分包括单精度FPU和整数ALU,而GPGPU核心的第二部分包括双精度FPU。在至少一个实施例中,FPU可以实现用于浮点算法的IEEE754-2208标准或启用可变精度浮点算法。在至少一个实施例中,图形多处理器2296可以另外包括一个或更多个固定功能或特殊功能单元,以执行特定功能,诸如复制矩形或像素混合操作。在至少一个实施例中,GPGPU核心2262中的一个或更多个也可以包括固定或特殊功能逻辑。
在至少一个实施例中,GPGPU核心2262包括能够对多组数据执行单个指令的SIMD逻辑。在至少一个实施例中,GPGPU核心2262可以物理地执行SIMD4、SIMD8和SIMD9指令,并且在逻辑上执行SIMD1、SIMD2和SIMD32指令。在至少一个实施例中,用于GPGPU核心的SIMD指令可以在编译时由着色器编译器生成,或者在执行针对单程序多数据(SPMD)或SIMT架构编写和编译的程序时自动生成。在至少一个实施例中,可以通过单个SIMD指令来执行为SIMT执行模型配置的程序的多个线程。例如,在至少一个实施例中,可以通过单个SIMD8逻辑单元并行执行执行相同或相似操作的八个SIMT线程。
在至少一个实施例中,存储器和高速缓存互连2268是将图形多处理器2296的每个功能单元连接到寄存器文件2258和共享存储器2270的互连网络。在至少一个实施例中,存储器和高速缓存互连2268是交叉开关互连,其允许LSU 2266在共享存储器2270和寄存器文件2258之间实现加载和存储操作。在至少一个实施例中,寄存器文件2258可以以与GPGPU核心2262相同的频率操作,从而在GPGPU核心2262和寄存器文件2258之间进行数据传输的延迟非常低。在至少一个实施例中,共享存储器2270可以用于启用在图形多处理器2296内的功能单元上执行的线程之间的通信。在至少一个实施例中,高速缓存存储器2272可以用作例如数据高速缓存,以高速缓存在功能单元和纹理单元2236之间通信的纹理数据。在至少一个实施例中,共享存储器2270也可以用作程序管理的高速缓存。在至少一个实施例中,除了存储在高速缓存存储器2272中的自动高速缓存的数据之外,在GPGPU核心2262上执行的线程还可以以编程方式将数据存储在共享存储器中。
在至少一个实施例中,如本文所述的并行处理器或GPGPU通信地耦合到主机/处理器核心,以加速图形操作、机器学习操作、图案分析操作以及各种通用GPU(GPGPU)功能。在至少一个实施例中,GPU可以通过总线或其他互连(例如,诸如PCIe或NVLink的高速互连)通信地耦合到主机处理器/核心。在至少一个实施例中,GPU可以与核心集成在相同的封装或芯片上,并通过内部处理器总线/互连(即,封装或芯片的内部)通信地耦合到核心。在至少一个实施例中,不管GPU连接的方式如何,处理器核心可以以WD包含的命令/指令序列的形式向GPU分配工作。在至少一个实施例中,GPU然后使用专用电路/逻辑来有效地处理这些命令/指令。
在至少一个实施例中,图22A-22C中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图22A-22C描绘的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图22A-22C所示的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图22A-22C中描绘的一个或更多个系统来实现诸如结合图1-10描述的那些的一个或更多个系统和/或过程。
图23示出了根据至少一个实施例的图形处理器2300。在至少一个实施例中,图形处理器2300包括环形互连2302、管线前端2304、媒体引擎2337和图形核心2380A-2380N。在至少一个实施例中,环形互连2302将图形处理器2300耦合到其他处理单元,包括其他图形处理器或一个或更多个通用处理器核心。在至少一个实施例中,图形处理器2300是集成在多核心处理系统内的许多处理器之一。
在至少一个实施例中,图形处理器2300经由环形互连2302接收多批命令。在至少一个实施例中,输入命令由管线前端2304中的命令流转化器2303解释。在至少一个实施例中,图形处理器2300包括可缩放执行逻辑,以经由图形核心2380A-2380N执行3D几何处理和媒体处理。在至少一个实施例中,对于3D几何处理命令,命令流转化器2303将命令提供给几何管线2336。在至少一个实施例中,对于至少一些媒体处理命令,命令流转化器2303将命令提供给视频前端2334,其与媒体引擎2337耦合。在至少一个实施例中,媒体引擎2337包括用于视频和图像后处理的视频质量引擎(VQE)2330,以及用于提供硬件加速媒体数据编码和解码的多格式编码/解码(MFX)2333引擎。在至少一个实施例中,几何管线2336和媒体引擎2337各自生成用于由至少一个图形核心2380A提供的线程执行资源的执行线程。
在至少一个实施例中,图形处理器2300包括以模块化图形核心2380A-2380N(有时称为核心切片)为特征的可缩放线程执行资源,每个模块核心具有多个子核心2350A-2350N、2360A-2360N(有时称为核心子切片)。在至少一个实施例中,图形处理器2300可以具有任意数量的图形核心2380A至2380N。在至少一个实施例中,图形处理器2300包括具有至少第一子核心2350A和第二子核心2360A的图形核心2380A。在至少一个实施例中,图形处理器2300是具有单个子核心(例如2350A)的低功率处理器。在至少一个实施例中,图形处理器2300包括多个图形核心2380A-2380N,每个图形核心包括一组第一子核心2350A-2350N和一组第二子核心2360A-2360N。在至少一个实施例中,第一子核心2350A-2350N中的每个子核心至少包括第一组执行单元(EU)2352A-2352N和媒体/纹理采样器2354A-2354N。在至少一个实施例中,第二子核心2360A-2360N中的每个子核心至少包括第二组执行单元2362A-2362N和采样器2364A-2364N。在至少一个实施例中,每个子核心2350A-2350N、2360A-2360N共享一组共享资源2370A-2370N。在至少一个实施例中,共享资源包括共享高速缓冲存储器和像素操作逻辑。
在至少一个实施例中,图23中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图23描绘的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图23描绘的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图23中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10描述的那些。
图24示出了根据至少一个实施例的用于处理器2400。在至少一个实施例中,处理器2400可以包括但不限于执行指令的逻辑电路。在至少一个实施例中,处理器2400可以执行指令,包括x86指令、ARM指令、用于ASIC的专用指令等。在至少一个实施例中,处理器2410可以包括用于存储封装数据的寄存器,例如作为加利福尼亚州圣克拉拉市英特尔公司采用MMX技术启用的微处理器中的64位宽MMXTM寄存器。在至少一个实施例中,整数和浮点数形式可用的MMX寄存器可以与封装的数据元素一起运行,所述封装的数据元素伴随SIMD和流式SIMD扩展(“SSE”)指令。在至少一个实施例中,与SSE2、SSE3、SSE4、AVX或更高版本(一般称为“SSEx”)技术有关的128位宽XMM寄存器可以保存此类封装数据操作数。在至少一个实施例中,处理器2410可以执行指令以加速CUAD程序。
在至少一个实施例中,处理器2400包括有序前端(“前端”)2401,以提取要执行的指令并准备稍后在处理器管线中使用的指令。在至少一个实施例中,前端2401可以包括几个单元。在至少一个实施例中,指令预取器2426从存储器中获取指令并将指令提供给指令解码器2428,指令解码器2428又对指令进行解码或解释。例如,在至少一个实施例中,指令解码器2428将接收到的指令解码用于执行的所谓的“微指令”或“微操作”(也称为“微操作”或“微指令”)的一个或更多个操作。在至少一个实施例中,指令解码器2428将指令解析为操作码以及相应的数据和控制字段,其可以由微架构用来使用以执行操作。在至少一个实施例中,跟踪高速缓存2430可以将解码的微指令组装成微指令队列2434中的程序排序的序列或追踪以供执行。在至少一个实施例中,当追踪高速缓存2430遇到复杂指令时,微码ROM2432提供完成操作所需的微指令。
在至少一个实施例中,可以将一些指令转换成单个微操作,而另一些指令则需要几个微操作来完成全部操作。在至少一个实施例中,如果需要多于四个的微指令来完成一条指令,则指令解码器2428可以访问微码ROM 2432以执行指令。在至少一个实施例中,可以将指令解码为少量的微指令以在指令解码器2428处进行处理。在至少一个实施例中,如果需要多个微指令完成操作,则可以将指令存储在微码ROM 2432中。在至少一个实施例中,追踪高速缓存器2430参考入口点可编程逻辑阵列(“PLA”)以确定正确的微指令指针,用于根据至少一个实施例从微码ROM 2432读取微码序列以完成一个或更多个指令。在至少一个实施例中,在微码ROM2432完成对指令的微操作排序之后,机器的前端2401可以恢复从追踪高速缓存2430获取微操作。
在至少一个实施例中,乱序执行引擎(“乱序引擎”)2403可以准备用于执行的指令。在至少一个实施例中,乱序执行逻辑具有多个缓冲区,以使指令流平滑并重新排序,以在指令沿管线下降并被调度执行时优化性能。乱序执行引擎2403包括但不限于分配器/寄存器重命名器2440、存储器微指令队列2442、整数/浮点微指令队列2444、存储器调度器2446、快速调度器2402、慢速/通用浮点调度器(“慢速/通用FP调度器”)2404和简单浮点调度器(“简单FP调度器”)2406。在至少一个实施例中,快速调度器2402、慢速/通用浮点调度器2404和简单浮点调度器2406也统称为“微指令调度器2402、2404、2406”。分配器/寄存器重命名器2440分配每个微指令按顺序执行所需要的机器缓冲区和资源。在至少一个实施例中,分配器/寄存器重命名器2440将逻辑寄存器重命名为寄存器文件中的条目。在至少一个实施例中,分配器/寄存器重命名器2440还为两个微指令队列之一中的每个微指令分配条目,存储器微指令队列2442用于存储器操作和整数/浮点微指令队列2444用于非存储器操作,在存储器调度器2446和微指令调度器2402、2404、2406的前面。在至少一个实施例中,微指令调度器2402、2404、2406基于它们的从属输入寄存器操作数源的就绪性和需要完成的执行资源微指令的可用性来确定何时准备好执行微指令。在至少一个实施例中,至少一个实施例的快速调度器2402可以在主时钟周期的每个一半上调度,而慢速/通用浮点调度器2404和简单浮点调度器2406可以在每个主处理器时钟周期调度一次。在至少一个实施例中,微指令调度器2402、2404、2406对调度端口进行仲裁,以调度用于执行的微指令。
在至少一个实施例中,执行块2411包括但不限于整数寄存器文件/支路网络2408、浮点寄存器文件/支路网络(“FP寄存器文件/支路网络”)2410、地址生成单元(“AGU”)2412和2414、快速算术逻辑单元(“快速ALU”)2416和2418、慢速ALU 2420、浮点ALU(“FP”)2422和浮点移动单元(“FP移动”)2424。在至少一个实施例中,整数寄存器文件/支路网络2408和浮点寄存器文件/旁路网络2410在本文中也称为“寄存器文件2408、2410”。在至少一个实施例中,AGUS 2412和2414、快速ALU2416和2418、慢速ALU 2420、浮点ALU 2422和浮点移动单元2424在本文中也称为“执行单元2412、2414、2416、2418、2420、2422和2424”。在至少一个实施例中,执行框可以包括但不限于任意数量(包括零)和类型的寄存器文件、支路网络、地址生成单元和执行单元(以任何组合)。
在至少一个实施例中,寄存器文件2408、2410可以布置在微指令调度器2402、2404、2406与执行单元2412、2414、2416、2418、2420、2422和2424之间。在至少一个实施例中,整数寄存器文件/支路网络2408执行整数运算。在至少一个实施例中,浮点寄存器文件/支路网络2410执行浮点操作。在至少一个实施例中,寄存器文件2408、2410中的每一个可以包括但不限于支路网络,该支路网络可以绕过或转发尚未写入寄存器文件中的刚刚完成的结果到新的从属对象。在至少一个实施例中,寄存器文件2408、2410可以彼此通信数据。在至少一个实施例中,整数寄存器文件/支路网络2408可以包括但不限于两个单独的寄存器文件、一个寄存器文件用于低阶32位数据,第二寄存器文件用于高阶32位数据。在至少一个实施例中,浮点寄存器文件/支路网络2410可以包括但不限于128位宽的条目,因为浮点指令通常具有宽度为64至128位的操作数。
在至少一个实施例中,执行单元2412、2414、2416、2418、2420、2422、2424可以执行指令。在至少一个实施例中,寄存器文件2408、2410存储微指令需要执行的整数和浮点数据操作数值。在至少一个实施例中,处理器2400可以包括但不限于任意数量的执行单元2412、2414、2416、2418、2420、2422、2424及其组合。在至少一个实施例中,浮点ALU 2422和浮点移动单元2424,可以执行浮点、MMX、SIMD、AVX和SSE或其他操作,包括专门的机器学习指令。在至少一个实施例中,浮点ALU 2422可以包括但不限于64位乘64位浮点除法器,以执行除法、平方根和余数微操作。在至少一个实施例中,可以用浮点硬件来处理涉及浮点值的指令。在至少一个实施例中,可以将ALU操作传递给快速ALU 2416、2418。在至少一个实施例中,快速ALUS 2416、2418可以以半个时钟周期的有效延迟执行快速操作。在至少一个实施例中,大多数复杂的整数运算进入慢速ALU 2420,因为慢速ALU 2420可以包括但不限于用于长延迟类型操作的整数执行硬件,例如乘法器、移位、标志逻辑和分支处理。在至少一个实施例中,存储器加载/存储操作可以由AGUS 2412、2414执行。在至少一个实施例中,快速ALU 2416、快速ALU 2418和慢速ALU 2420可以对64位数据操作数执行整数运算。在至少一个实施例中,可以实现快速ALU2416、快速ALU 2418和慢速ALU 2420以支持包括16、32、128、256等的各种数据位大小。在至少一个实施例中,浮点ALU 2422和浮点移动单元2424可以实现为支持具有各种宽度的位的一定范围的操作数。在至少一个实施例中,浮点ALU 2422和浮点移动单元2424可以结合SIMD和多媒体指令对128位宽封装数据操作数进行操作。
在至少一个实施例中,微指令调度器2402、2404、2406在父加载完成执行之前调度从属操作。在至少一个实施例中,由于可以在处理器2400中推测性地调度和执行微指令,处理器2400还可以包括用于处理存储器未命中的逻辑。在至少一个实施例中,如果数据高速缓存中的数据加载未命中,则可能存在在管线中正在运行的从属操作,其使调度器暂时没有正确的数据。在至少一个实施例中,一种重放机制追踪踪并重新执行使用不正确数据的指令。在至少一个实施例中,可能需要重放从属操作并且可以允许完成独立操作。在至少一个实施例中,处理器的至少一个实施例的调度器和重放机制也可以设计为捕获用于文本串比较操作的指令序列。
在至少一个实施例中,术语“寄存器”可以指代可以用作识别操作数的指令的一部分的机载处理器存储位置。在至少一个实施例中,寄存器可以是那些可以从处理器外部使用的寄存器(从程序员的角度来看)。在至少一个实施例中,寄存器可能不限于特定类型的电路。相反,在至少一个实施例中,寄存器可以存储数据、提供数据并执行本文描述的功能。在至少一个实施例中,本文描述的寄存器可以通过处理器内的电路使用多种不同技术来实现,例如专用物理寄存器、使用寄存器重命名动态分配的物理寄存器、专用和动态分配的物理寄存器的组合等。在至少一个实施例中,整数寄存器存储32位整数数据。至少一个实施例的寄存器文件还包含八个用于封装数据的多媒体SIMD寄存器。
在至少一个实施例中,图24中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图24描绘的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图24描绘的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图24中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图25示出了根据至少一个实施例的处理器2500。在至少一个实施例中,处理器2500包括但不限于一个或更多个处理器核心(核心)2502A-2502N、集成存储器控制器2514和集成图形处理器2508。在至少一个实施例中,处理器2500可以包括直至并包括由虚线框表示的附加处理器核心2502N的附加核心。在至少一个实施例中,每个处理器核心2502A-2502N包括一个或更多个内部高速缓存单元2504A-2504N。在至少一个实施例中,每个处理器核心还可以访问一个或更多个共享高速缓存的单元2506。
在至少一个实施例中,内部高速缓存单元2504A-2504N和共享高速缓存单元2506表示处理器2500内的高速缓存存储器层次结构。在至少一个实施例中,高速缓存存储器单元2504A-2504N可以包括每个处理器核心内的至少一级指令和数据以及共享中级缓存中的一级或更多级缓存,例如L2、L3、4级(L4)或其他级别的缓存,其中在外部存储器之前将最高级别的缓存归类为LLC。在至少一个实施例中,高速缓存一致性逻辑维持各种高速缓存单元2506和2504A-2504N之间的一致性。
在至少一个实施例中,处理器2500还可包括一组一个或更多个总线控制器单元2516和系统代理核心2510。在至少一个实施例中,一个或更多个总线控制器单元2516管理一组外围总线,例如一个或更多个PCI或PCI Express总线。在至少一个实施例中,系统代理核心2510为各种处理器组件提供管理功能。在至少一个实施例中,系统代理核心2510包括一个或更多个集成存储器控制器2514,以管理对各种外部存储器设备(未示出)的访问。
在至少一个实施例中,一个或更多个处理器核心2502A-2502N包括对多线程同时进行的支持。在至少一个实施例中,系统代理核心2510包括用于在多线程处理期间协调和操作处理器核心2502A-2502N的组件。在至少一个实施例中,系统代理核心2510可以另外包括电源控制单元(PCU),该电源控制单元包括逻辑和组件以调节处理器核心2502A-2502N和图形处理器2508的一个或更多个电源状态。
在至少一个实施例中,处理器2500另外包括图形处理器2508以执行图处理操作。在至少一个实施例中,图形处理器2508与共享高速缓存单元2506和包括一个或更多个集成存储器控制器2514的系统代理核心2510耦合。在至少一个实施例中,系统代理核心2510还包括用于驱动图形处理器输出到一个或更多个耦合的显示器的显示器控制器2511。在至少一个实施例中,显示器控制器2511也可以是经由至少一个互连与图形处理器2508耦合的独立模块,或者可以集成在图形处理器2508内。
在至少一个实施例中,基于环的互连单元2512用于耦合处理器2500的内部组件。在至少一个实施例中,可以使用替代性互连单元,例如点对点互连、交换互连或其他技术。在至少一个实施例中,图形处理器2508经由I/O链路2513与环形互连2512耦合。
在至少一个实施例中,I/O链路2513代表多种I/O互连中的至少一种,包括促进各种处理器组件与高性能嵌入式存储器模块2518(例如eDRAM模块)之间的通信的封装I/O互连。在至少一个实施例中,处理器核心2502A-2502N和图形处理器2508中的每一个使用嵌入式存储器模块2518作为共享的LLC。
在至少一个实施例中,处理器核心2502A-2502N是执行公共指令集架构的同质核心。在至少一个实施例中,处理器核心2502A-2502N在ISA方面是异构的,其中一个或更多个处理器核心2502A-2502N执行公共指令集,而一个或更多个其他处理器核心2502A-2502N执行公共指令集或不同指令集的子集。在至少一个实施例中,就微架构而言,处理器核心2502A-2502N是异构的,其中具有相对较高功耗的一个或更多个核心与具有较低功耗的一个或更多个功率核心耦合。在至少一个实施例中,处理器2500可以实现在一个或更多个芯片上或被实现为SoC集成电路。
在至少一个实施例中,图25中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图25中描绘的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图25中描绘的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图25中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10描述的那些。
图26示出了根据所描述的至少一个实施例的图形处理器核心2600。在至少一个实施例中,图形处理器核心2600被包括在图形核心阵列内。在至少一个实施例中,图形处理器核心2600(有时称为核心切片)可以是模块化图形处理器内的一个或更多个图形核心。在至少一个实施例中,图形处理器核心2600是一个图形核心切片的示例,并且本文所述的图形处理器可以基于目标功率和性能包络线包括多个图形核心切片。在至少一个实施例中,每个图形核心2600可以包括与多个子核心2601A-2601F耦合的固定功能块2630,也称为子切片,其包括通用和固定功能逻辑的模块。
在至少一个实施例中,固定功能块2630包括几何/固定功能管线2636,例如,在较低性能和/或较低功率的图形处理器实施方式中,该几何/固定功能管线2636可以由图形处理器2600中的所有子核心共享。在至少一个实施例中,几何/固定功能管线2636包括3D固定功能管线、视频前端单元,线程产生器和线程分派器以及管理统一返回缓冲区的统一返回缓冲区管理器。
在至少一个实施例中,固定功能块2630还包括图形SoC接口2637、图形微控制器2638和媒体管线2639。图形SoC接口2637提供了图形核心2600以及SoC集成电路系统中的其他处理器核心之间的接口。在至少一个实施例中,图形微控制器2638是可编程子处理器,其可配置为管理图形处理器2600的各种功能,包括线程分派、调度和抢占。在至少一个实施例中,媒体管线2639包括有助于对包括图像和视频数据的多媒体数据进行解码、编码、预处理和/或后处理的逻辑。在至少一个实施例中,媒体管线2639经由对子核心2601-2601F内的计算或采样逻辑的请求来实现媒体操作。
在至少一个实施例中,SoC接口2637使图形核心2600能够与通用应用处理器核心(例如,CPU)和/或SoC内的其他组件通信,包括存储器层次结构元素,诸如共享的LLC存储器、系统RAM和/或嵌入式片上或封装DRAM。在至少一个实施例中,SoC接口2637还可以使得能够与SoC内的固定功能设备(例如,相机成像管线)进行通信,并且使得能够使用和/或实现可以在图形核心2600和SoC内部的CPU之间共享的全局存储器原子。在至少一个实施例中,SoC接口2637还可以实现用于图形核心2600的电源管理控制,并且启用图形核心2600的时钟域与SoC内的其他时钟域之间的接口。在至少一个实施例中,SoC接口2637使得能够从命令流转化器和全局线程分派器接收命令缓冲区,其配置为向图形处理器内的一个或更多个图形核心中的每一个提供命令和指令。在至少一个实施例中,当要执行媒体操作时,可以将命令和指令分派给媒体管线2639,或者当要执行图处理操作时,可以将其分配给几何形状和固定功能管线(例如,几何形状和固定功能管线2636、几何形状和固定功能管线2614)。
在至少一个实施例中,图形微控制器2638可以配置为对图形核心2600执行各种调度和管理任务。在至少一个实施例中,图形微控制器2638可以在子核心2601A-2601F中的执行单元(EU)阵列2602A-2602F、2604A-2604F内的各种图形并行引擎上执行图和/或计算工作负载调度。在至少一个实施例中,在包括图形核心2600的SoC的CPU核心上执行的主机软件可以提交多个图形处理器门铃之一的工作负载,其调用适当的图形引擎上的调度操作。在至少一个实施例中,调度操作包括确定接下来要运行哪个工作负载、将工作负载提交给命令流转化器、抢先在引擎上运行的现有工作负载、监控工作负载的进度以及在工作负载完成时通知主机软件。在至少一个实施例中,图形微控制器2638还可以促进图形核心2600的低功率或空闲状态,从而为图形核心2600提供在图形核心2600内独立于操作系统和/或系统上的图形驱动器软件的跨低功率状态转换的保存和恢复寄存器的能力。
在至少一个实施例中,图形核心2600可以具有比所示的子核心2601A-2601F更多或更少的子核心,达N个模块化子核心。对于每组N个子核心,在至少一个实施例中,图形核心2600还可以包括共享功能逻辑2610、共享和/或高速缓存存储器2612、几何/固定功能管线2614以及附加的固定功能逻辑2616以加速各种图形和计算处理操作。在至少一个实施例中,共享功能逻辑2610可以包括可由图形核心2600内的每个N个子核心共享的逻辑单元(例如,采样器、数学和/或线程间通信逻辑)。共享和/或高速缓存存储器2612可以是图形核心2600内的N个子核心2601A-2601F的LLC,并且还可以用作可由多个子核心访问的共享存储器。在至少一个实施例中,可以包括几何/固定功能管线2614来代替固定功能块2630内的几何/固定功能管线2636,并且可以包括相同或相似的逻辑单元。
在至少一个实施例中,图形核心2600包括附加的固定功能逻辑2616,其可以包括供图形核心2600使用的各种固定功能加速逻辑。在至少一个实施例中,附加的固定功能逻辑2616包括用于仅位置着色中使用的附加的几何管线。在仅位置着色中,存在至少两个几何管线,而在几何/固定功能管线2616、2636内的完整几何管线和剔除管线中,其是可以包括在附加的固定功能逻辑2616中的附加几何管线。在至少一个实施例中,剔除管线是完整几何管线的修整版。在至少一个实施例中,完整管线和剔除管线可以执行应用程序的不同实例,每个实例具有单独的环境。在至少一个实施例中,仅位置着色可以隐藏被丢弃的三角形的长剔除运行,从而在某些情况下可以更早地完成着色。例如,在至少一个实施例中,附加固定功能逻辑2616中的剔除管线逻辑可以与主应用程序并行执行位置着色器,并且通常比完整管线更快地生成关键结果,因为剔除管线获取并遮蔽顶点的位置属性,无需执行光栅化和将像素渲染到帧缓冲区。在至少一个实施例中,剔除管线可以使用生成的临界结果来计算所有三角形的可见性信息,而与这些三角形是否被剔除无关。在至少一个实施例中,完整管线(在这种情况下可以称为重播管线)可以消耗可见性信息来跳过剔除的三角形以仅遮盖最终传递到光栅化阶段的可见三角形。
在至少一个实施例中,附加的固定功能逻辑2616还可包括通用目标处理加速逻辑,例如固定功能矩阵乘法逻辑,用于实现减速CUAD程序。
在至少一个实施例中,在每个图形子核心2601A-2601F内包括一组执行资源,其可用于响应于图形管线、媒体管线或着色器程序的请求来执行图、媒体和计算操作。在至少一个实施例中,图形子核心2601A-2601F包括多个EU阵列2602A-2602F、2604A-2604F,线程分派和线程间通信(TD/IC)逻辑2603A-2603F,3D(例如,纹理)采样器2605A-2605F,媒体采样器2606A-2606F,着色器处理器2607A-2607F和共享本地存储器(SLM)2608A-2608F。EU阵列2602A-2602F、2604A-2604F每个都包含多个执行单元,这些执行单元是GUGPU,能够为图形、媒体或计算操作提供服务,执行浮点和整数/定点逻辑运算,包括图形、媒体或计算着色器程序。在至少一个实施例中,TD/IC逻辑2603A-2603F为子核心内的执行单元执行本地线程分派和线程控制操作,并促进在子核心的执行单元上执行的线程之间的通信。在至少一个实施例中,3D采样器2605A-2605F可以将与纹理或其他3D图形相关的数据读取到存储器中。在至少一个实施例中,3D采样器可以基于与给定纹理相关联的配置的采样状态和纹理格式来不同地读取纹理数据。在至少一个实施例中,媒体采样器2606A-2606F可以基于与媒体数据相关联的类型和格式来执行类似的读取操作。在至少一个实施例中,每个图形子核心2601A-2601F可以可替代地包括统一的3D和媒体采样器。在至少一个实施例中,在每个子核心2601A-2601F内的执行单元上执行的线程可以利用每个子核心内的共享本地存储器2608A-2608F,以使在线程组内执行的线程能够使用片上存储器的公共池来执行。
在至少一个实施例中,图26中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图26描绘的一个或更多个系统用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图26中描绘的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图26中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图27示出了根据至少一个实施例的并行处理单元(“PPU”)2700。在至少一个实施例中,PPU 2700配置有机器可读代码,该机器可读代码如果由PPU 2700执行,则使得PPU2700执行贯穿本文描述的一些或全部过程和技术。在至少一个实施例中,PPU 2700是在一个或更多个集成电路设备上实现的多线程处理器,并且利用多线程作为被设计为处理在多个线程上并行执行的计算机可读指令(也称为机器可读指令或简单的指令)的延迟隐藏技术。在至少一个实施例中,线程是指执行线程,并且是被配置为由PPU 2700执行的指令集的实例。在至少一个实施例中,PPU 2700是图形处理单元(“GPU”),图形处理单元配置为实现用于处理三维(“3D”)图形数据的图形渲染管线,以便生成用于在显示设备(诸如LCD设备)上显示的二维(“2D”)图像数据。在至少一个实施例中,PPU 2700用于执行计算,诸如线性代数运算和机器学习运算。图27仅出于说明性目的示出了示例并行处理器,并且应被解释为在至少一个实施例中实现的处理器架构的非限制性示例。
在至少一个实施例中,一个或更多个PPU 2700配置成加速高性能计算(“HPC”)、数据中心和机器学习应用程序。在至少一个实施例中,一个或更多个PPU 2700配置成加速CUDA程序。在至少一个实施例中,PPU2700包括但不限于I/O单元2706、前端单元2710、调度器单元2712、工作分配单元2714、集线器2716、交叉开关(“Xbar”)2720、一个或更多个通用处理集群(“GPC”)2718和一个或更多个分区单元(“存储器分区单元”)2722。在至少一个实施例中,PPU 2700通过一个或更多个高速GPU互连(“GPU互连”)2708连接到主机处理器或其他PPU 2700。在至少一个实施例中,PPU 2700通过互连2702连接到主机处理器或其他外围设备。在一实施例中,PPU 2700连接到包括一个或更多个存储器设备(“存储器”)2704的本地存储器。在至少一个实施例中,存储器设备2704包括但不限于一个或更多个动态随机存取存储器(“DRAM”)设备。在至少一个实施例中,一个或更多个DRAM设备配置和/或可配置为高带宽存储器(“HBM”)子系统,并且在每个设备内堆叠有多个DRAM管芯。
在至少一个实施例中,高速GPU互连2708可以指代系统使用其来进行缩放的基于线的多通道通信链路,并包括与一个或更多个CPU结合的一个或更多个PPU 2700(“CPU”),支持PPU 2700和CPU之间的高速缓存一致性以及CPU主控。在至少一个实施例中,高速GPU互连2708通过集线器2716将数据和/或命令传输到PPU 2700的其他单元,例如一个或更多个复制引擎、视频编码器、视频解码器、电源管理单元和/或在图27中可能未明确示出的其他组件。
在至少一个实施例中,I/O单元2706配置为通过系统总线2702从主机处理器(图27中未示出)发送和接收通信(例如,命令、数据)。在至少一个实施例中,I/O单元2706直接通过系统总线2702或通过一个或更多个中间设备(例如存储器桥)与主机处理器通信。在至少一个实施例中,I/O单元2706可以经由系统总线2702与一个或更多个其他处理器(例如一个或更多个PPU 2700)通信。在至少一个实施例中,I/O单元2706实现PCIe接口,用于通过PCIe总线进行通信。在至少一个实施例中,I/O单元2706实现用于与外部设备通信的接口。
在至少一个实施例中,I/O单元2706对经由系统总线2702接收的分组进行解码。在至少一个实施例中,至少一些分组表示被配置为使PPU2700执行各种操作的命令。在至少一个实施例中,I/O单元2706如命令所指定的那样将解码的命令发送到PPU 2700的各种其他单元。在至少一个实施例中,命令被发送到前端单元2710和/或被发送到集线器2716或PPU2700的其他单元,例如一个或更多个复制引擎、视频编码器、视频解码器、电源管理单元等(图27中未明确示出)。在至少一个实施例中,I/O单元2706配置为在PPU 2700的各种逻辑单元之间路由通信。
在至少一个实施例中,由主机处理器执行的程序在缓冲区中对命令流进行编码,该缓冲区将工作负载提供给PPU 2700以进行处理。在至少一个实施例中,工作负载包括指令和要由那些指令处理的数据。在至少一个实施例中,缓冲区是可由主机处理器和PPU2700两者访问(例如,读/写)的存储器中的区域—主机接口单元可以配置为访问经由I/O单元2706通过系统总线2702传输的存储器请求连接到系统总线2702的系统存储器中的缓冲区。在至少一个实施例中,主机处理器将命令流写入缓冲区,然后将指示命令流开始的指针发送给PPU 2700,使得前端单元2710接收指向一个或更多个命令流指针并管理一个或更多个命令流,从命令流中读取命令并将命令转发到PPU 2700的各个单元。
在至少一个实施例中,前端单元2710耦合到调度器单元2712,该调度器单元2712配置各种GPC 2718以处理由一个或更多个命令流定义的任务。在至少一个实施例中,调度器单元2712配置为跟踪与调度器单元2712管理的各种任务有关的状态信息,其中状态信息可以指示任务被分配给哪个GPC 2718,任务是活跃的还是非活跃的,与任务相关联的优先级等等。在至少一个实施例中,调度器单元2712管理在一个或更多个GPC 2718上执行的多个任务。
在至少一个实施例中,调度器单元2712耦合到工作分配单元2714,该工作分配单元2714配置为分派任务以在GPC 2718上执行。在至少一个实施例中,工作分配单元2714跟踪从调度器单元2712接收到的多个调度任务并且工作分配单元2714管理每个GPC 2718的待处理任务池和活跃任务池。在至少一个实施例中,待处理任务池包括多个时隙(例如32个时隙),这些时隙包含分配给要由特定的GPC 2718处理的任务;活跃任务池可包括用于由GPC 2718主动处理的任务的多个时隙(例如4个时隙),以使随着GPC 2718中的一个完成任务的执行,该任务将从GPC 2718的活动任务池中逐出,并且从待处理任务池中选择其他任务之一,并安排其在GPC2718上执行。在至少一个实施例中,如果活跃任务在GPC 2718上处于空闲状态,例如在等待数据依赖关系解决时,则活跃任务从GPC 2718中驱逐并返回到待处理任务池,同时选择了待处理任务池中的另一个任务并调度在GPC 2718上执行。
在至少一个实施例中,工作分配单元2714经由XBar 2720与一个或更多个GPC2718通信。在至少一个实施例中,XBar 2720是互连网络,其将PPU 2700的许多单元耦合到PPU 2700的其他单元,并且可以配置为将工作分配单元2714耦合到特定的GPC 2718。在至少一个实施例中,一个或更多个PPU 2700的其他单元也可以通过集线器2716连接到XBar2720。
在至少一个实施例中,任务由调度器单元2712管理,并由工作分配单元2714分配给GPC 2718之一。GPC 2718配置为处理任务并产生结果。
在至少一个实施例中,结果可以由GPC 2718中的其他任务消耗,通过XBar2720路由到不同的GPC 2718或存储在存储器2704中。在至少一个实施例中,结果可以通过分区单元2722写到存储器2704中,其实现了用于向存储器2704写入数据或从存储器2704读取数据的存储器接口。在至少一个实施例中,结果可以经由高速GPU互连2708传输到另一PPU 2700或CPU。在至少一个实施例中,PPU 2700包括但不限于U个分区单元2722,其等于耦合到PPU2700的分离且不同的存储器设备2704的数量。
在至少一个实施例中,主机处理器执行驱动器核心,该驱动器核心实现应用程序编程接口(API),该应用程序编程接口使在主机处理器上执行的一个或更多个应用程序能够调度操作以在PPU 2700上执行。在一个实施例中,多个计算应用由PPU 2700同时执行,并且PPU 2700为多个计算应用程序提供隔离、服务质量(“QoS”)和独立的地址空间。在至少一个实施例中,应用程序生成指令(例如,以API调用的形式),该指令使驱动器核心生成一个或更多个任务以供PPU 2700执行,并且驱动器核心将任务输出至由PPU 2700处理的一个或更多个流。在至少一个实施例中,每个任务包括一个或更多个相关线程组,其可以被称为线程束(warp)。在至少一个实施例中,线程束包括可以并行执行的多个相关线程(例如32个线程)。在至少一个实施例中,协作线程可以指代多个线程,包括用于执行任务并且通过共享存储器交换数据的指令。
在至少一个实施例中,图27中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图27中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图27中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图27中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10所描述的那些。
图28示出了根据至少一个实施例的GPC 2800。在至少一个实施例中,GPC 2800是图27的GPC 2718。在至少一个实施例中,每个GPC 2800包括但不限于用于处理任务的多个硬件单元,并且每个GPC 2800包括但不限于管线管理器2802、预光栅操作单元(“PROP”)2804、光栅引擎2808、工作分配交叉开关(“WDX”)2816、存储器管理单元(“MMU”)2818、一个或更多个数据处理集群(“DPC”)2806,以及部件的任何合适组合。
在至少一个实施例中,GPC 2800的操作由管线管理器2802控制。在至少一个实施例中,管线管理器2802管理一个或更多个DPC 2806的配置,以处理分配给GPC 2800的任务。在至少一个实施例中,管线管理器2802配置一个或更多个DPC 2806中的至少一个以实现图形渲染管线的至少一部分。在至少一个实施例中,DPC 2806配置为在可编程流式多处理器(“SM”)2814上执行顶点着色器程序。在至少一个实施例中,管线管理器2802配置为将从工作分配单元接收的数据包路由到GPC 2800内的适当逻辑单元,以及在至少一个实施例中,可以将一些数据包路由到PROP 2804和/或光栅引擎2808中的固定功能硬件单元,而可以将其他数据包路由到DPC 2806以由原始引擎2812或SM 2814进行处理。在至少一个实施例中,管线管理器2802配置DPC 2806中的至少一个以实现神经网络模型和/或计算管线。在至少一个实施例中,管线管理器2802配置DPC 2806中的至少一个以执行CUDA程序的至少一部分。
在至少一个实施例中,PROP单元2804配置为将由光栅引擎2808和DPC 2806生成的数据路由到分区单元中的光栅操作(“ROP”)单元,例如上面结合图27更详细描述的存储器分区单元2722等。在至少一个实施例中,PROP单元2804配置为执行用于颜色混合的优化、组织像素数据、执行地址转换等等。在至少一个实施例中,光栅引擎2808包括但不限于配置为执行各种光栅操作的多个固定功能硬件单元,并且在至少一个实施例中,光栅引擎2808包括但不限于设置引擎、粗光栅引擎、剔除引擎、裁剪引擎、精细光栅引擎、图块聚合引擎及其任意合适的组合。在至少一个实施例中,设置引擎接收变换后的顶点并生成与由顶点定义的几何图元相关联的平面方程;平面方程式被传送到粗光栅引擎以生成基本图元的覆盖信息(例如,图块的x、y覆盖范围掩码);粗光栅引擎的输出将传输到剔除引擎,在剔除引擎中与z测试失败的图元相关联的片段将被剔除,并传输到剪切引擎,在剪切引擎中剪切位于视锥范围之外的片段。在至少一个实施例中,将经过裁剪和剔除的片段传递给精细光栅引擎,以基于设置引擎生成的平面方程式生成像素片段的属性。在至少一个实施例中,光栅引擎2808的输出包括将由任何适当的实体(例如,由在DPC 2806内实现的片段着色器)处理的片段。
在至少一个实施例中,包括在GPC 2800中的每个DPC 2806包括但不限于M管线控制器(“MPC”)2810;图元引擎2812;一个或更多个SM2814;及其任何合适的组合。在至少一个实施例中,MPC 2810控制DPC2806的操作,将从管线管理器2802接收的分组路由到DPC 2806中的适当单元。在至少一个实施例中,将与顶点相关联的分组路由到图元引擎2812,图元引擎2812配置为从存储器中获取与顶点关联的顶点属性;相反,可以将与着色器程序相关联的数据包发送到SM 2814。
在至少一个实施例中,SM 2814包括但不限于可编程流式处理器,其配置为处理由多个线程表示的任务。在至少一个实施例中,SM 2814是多线程的并且配置为同时执行来自特定线程组的多个线程(例如32个线程),并且实现单指令、多数据(“SIMD”)架构,其中将一组线程(例如,线程束)中的每个线程配置为基于相同的指令集来处理不同的数据集。在至少一个实施例中,线程组中的所有线程执行相同的指令。在至少一个实施例中,SM 2814实施单指令、多线程(“SIMT”)架构,其中一组线程中的每个线程配置为基于相同的指令集来处理不同的数据集,但是其中线程组中的各个线程允许在执行期间发散。在至少一个实施例中,为每个线程束维护程序计数器、调用栈和执行状态,从而当线程束中的线程发散时,实现线程束和线程束内的串行执行之间的并发性。在另一个实施例中,为每个单独的线程维护程序计数器、调用栈和执行状态,从而使得在线程束内和线程束之间的所有线程之间具有相等的并发性。在至少一个实施例中,为每个单独的线程维持执行状态,并且可以收敛并并行地执行执行相同指令的线程以提高效率。下面结合图29更详细地描述SM 2814的至少一个实施例。
在至少一个实施例中,MMU 2818在GPC 2800和存储器分区单元(例如,图27的分区单元2722)之间提供接口,并且MMU 2818提供虚拟地址到物理地址的转换、存储器保护以及存储器请求的仲裁。在至少一个实施例中,MMU 2818提供一个或更多个转换后备缓冲区(“TLB”),用于执行虚拟地址到存储器中的物理地址的转换。
在至少一个实施例中,图28中描述的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图28中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图28中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图28中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图29示出了根据至少一个实施例的流式多处理器(“SM”)2900。在至少一个实施例中,SM 2900是图28的SM 2814。在至少一个实施例中,SM 2900包括但不限于指令高速缓存2902;一个或更多个调度器单元2904;寄存器文件2908;一个或更多个处理核心(“核心”)2910;一个或更多个特殊功能单元(“SFU”)2912;一个或更多个加载/存储单元(“LSU”)2914;互连网络2916;共享存储器/一级(“L1”)高速缓存2918;及其任何合适的组合。在至少一个实施例中,工作分配单元调度任务以在并行处理单元(“PPU”)的通用处理集群(“GPC”)上执行,并且每个任务被分配给GPC内部的特定数据处理集群(“DPC”),并且如果任务与着色器程序相关联,则将任务分配给SM 2900之一。在至少一个实施例中,调度器单元2904从工作分配单元接收任务并管理分配给SM 2900的一个或更多个线程块的指令调度。在至少一个实施例中,调度器单元2904调度线程块以作为并行线程的线程束来执行,其中,每个线程块被分配至少一个线程束。在至少一个实施例中,每个线程束执行线程。在至少一个实施例中,调度器单元2904管理多个不同的线程块,将线程束分配给不同的线程块,然后在每个时钟周期内将来自多个不同的协作组的指令分派给各种功能单元(例如,处理核心2910、SFU 2912和LSU 2914)。
在至少一个实施例中,“合作组”可以指用于组织通信线程组的编程模型,其允许开发人员表达线程正在通信的粒度,从而能够表达更丰富、更有效的并行分解。在至少一个实施例中,协作启动API支持线程块之间的同步以执行并行算法。在至少一个实施例中,常规编程模型的API提供了用于同步协作线程的单一、简单的构造:跨线程块的所有线程的屏障(例如,syncthreads()函数)。但是,在至少一个实施例中,程序员可以在小于线程块粒度的情形下来定义线程组,并在所定义的组内进行同步,以实现更高的性能、设计灵活性以及以集合组范围功能接口的形式实现软件重用。在至少一个实施例中,协作组使程序员能够以子块和多块粒度明确定义线程组,并执行集合操作,例如对协作组中的线程进行同步。在至少一个实施例中,子块粒度与单个线程一样小。在至少一个实施例中,编程模型支持跨软件边界的干净组合,从而库和实用程序功能可以在其本地环境中安全地同步,而不必进行关于收敛的假设。在至少一个实施例中,协作组图元使协作并行的新图案成为可能,包括但不限于生产者-消费者并行,机会主义并行以及整个线程块网格上的全局同步。
在至少一个实施例中,分派单元2906配置为将指令发送到功能单元中的一个或更多个,并且调度器单元2904包括但不限于两个分派单元2906,该两个分派单元2906使得来自相同线程束的两个不同指令能够在每个时钟周期被分派。在至少一个实施例中,每个调度器单元2904包括单个分派单元2906或附加分派单元2906。
在至少一个实施例中,每个SM 2900在至少一个实施例中包括但不限于寄存器文件2908,该寄存器文件2908为SM 2900的功能单元提供了一组寄存器。在至少一个实施例中,寄存器文件2908在每个功能单元之间划分,从而为每个功能单元分配寄存器文件2908的专用部分。在至少一个实施例中,寄存器文件2908在由SM 2900执行的不同线程束之间划分,并且寄存器文件2908为连接到功能单元的数据路径的操作数提供临时存储。在至少一个实施例中,每个SM 2900包括但不限于多个L个处理核心2910。在至少一个实施例中,SM2900包括但不限于大量(例如128个或更多)不同的处理核心2910。在至少一个实施例中,每个处理核心2910在至少一个实施例中包括但不限于全管线、单精度、双精度和/或混合精度处理单元,其包括但不限于浮点算术逻辑单元和整数算术逻辑单元。在至少一个实施例中,浮点算术逻辑单元实现用于浮点算术的IEEE 754-2008标准。在至少一个实施例中,处理核心2910包括但不限于64个单精度(32位)浮点核心、64个整数核心、32个双精度(64位)浮点核心和8个张量核心。
在至少一个实施例中,张量核心配置为执行矩阵运算。在至少一个实施例中,一个或更多个张量核心包括在处理核心2910中。在至少一个实施例中,张量核心配置为执行深度学习矩阵算术,例如用于神经网络训练和推理的卷积运算。在至少一个实施例中,每个张量核心在4×4矩阵上操作并且执行矩阵乘法和累加运算D=A×B+C,其中A、B、C和D是4×4矩阵。
在至少一个实施例中,矩阵乘法输入A和B是16位浮点矩阵,并且累加矩阵C和D是16位浮点或32位浮点矩阵。在至少一个实施例中,张量核心对16位浮点输入数据进行32位浮点累加运算。在至少一个实施例中,16位浮点乘法使用64个运算,并得到全精度乘积,然后使用32位浮点加法与其他中间乘积累加起来,以进行4x4x4矩阵乘法。在至少一个实施例中,张量核心用于执行由这些较小的元件构成的更大的二维或更高维度的矩阵运算。在至少一个实施例中,API(诸如CUDA-C++API)公开专门的矩阵加载、矩阵乘法和累加以及矩阵存储操作,以有效地使用来自CUDA-C++程序的张量核心。在至少一个实施例中,在CUDA级别,线程束级别接口假定跨越所有32个线程束线程的16×16大小的矩阵。
在至少一个实施例中,每个SM 2900包括但不限于执行特殊功能(例如,属性评估、倒数平方根等)的M个SFU 2912。在至少一个实施例中,SFU 2912包括但不限于配置为遍历分层树数据结构的树遍历单元。在至少一个实施例中,SFU 2912包括但不限于配置为执行纹理映射过滤操作的纹理单元。在至少一个实施例中,纹理单元配置为从存储器中加载纹理映射(例如,纹理像素的2D阵列)和采样纹理映射,以产生采样的纹理值以供由SM 2900执行的着色器程序使用。在至少一个实施例中,将纹理映射存储在共享存储器/L1高速缓存2918中。在至少一个实施例中,纹理单元使用mip映射(mip-maps)(例如,细节级别不同的纹理映射)来实现纹理操作(诸如过滤操作)。在至少一个实施例中,每个SM 2900包括但不限于两个纹理单元。
在至少一个实施例中,每个SM 2900包括但不限于实现共享存储器/L1高速缓存2918与寄存器文件2908之间的加载和存储操作的N个LSU2914。在至少一个实施例中,每个SM 2900包括但不限于互连网络2916,互连网络2916将每个功能单元连接到寄存器文件2908,并且LSU 2914连接到寄存器文件2908和共享存储器/L1高速缓存2918。在至少一个实施例中,互连网络2916是交叉开关,其可以配置为将任何功能单元连接到寄存器文件2908中的任何寄存器,并且将LSU 2914连接到寄存器文件2908和共享存储器/L1高速缓存2918中的存储器位置。
在至少一个实施例中,共享存储器/L1高速缓存2918是片上存储器的阵列,其在至少一个实施例中允许SM 2900与图元引擎之间以及SM2900中的线程之间的数据存储和通信。在至少一个实施例中,共享存储器/L1高速缓存2918包括但不限于128KB的存储容量,并且位于从SM 2900到分区单元的路径中。在至少一个实施例中,共享存储器/L1高速缓存2918在至少一个实施例中用于高速缓存读取和写入。在至少一个实施例中,共享存储器/L1高速缓存2918、L2高速缓存和存储器中的一个或更多个是后备存储。
在至少一个实施例中,将数据高速缓存和共享存储器功能组合到单个存储器块中,为两种类型的存储器访问提供了改进的性能。在至少一个实施例中,容量由不使用共享存储器的程序使用或将其用作高速缓存,例如如果共享存储器配置为使用一半容量,则纹理和加载/存储操作可以使用剩余容量。根据至少一个实施例,在共享存储器/L1高速缓存2918内的集成使共享存储器/L1高速缓存2918能够用作用于流传输数据的高吞吐量管线,同时提供对频繁重用的数据的高带宽和低延迟访问。在至少一个实施例中,当配置用于通用并行计算时,与图形处理相比,可以使用更简单的配置。在至少一个实施例中,绕过固定功能GPU,从而创建了更加简单的编程模型。在至少一个实施例中,在通用并行计算配置中,工作分配单元直接将线程的块分配和分布给DPC。在至少一个实施例中,块中的线程执行相同的程序,在计算中使用唯一的线程ID以确保每个线程生成唯一的结果,使用SM 2900执行程序并执行计算,使用共享存储器/L1高速缓存2918在线程之间进行通信,以及使用LSU2914通过共享存储器/L1高速缓存2918和存储器分区单元来读写全局存储器。在至少一个实施例中,当被配置用于通用并行计算时,SM 2900向调度器单元2904写入可以用来在DPC上启动新工作的命令。
在至少一个实施例中,PPU被包括在台式计算机、膝上型计算机、平板电脑、服务器、超级计算机、智能电话(例如,无线、手持设备)、PDA、数码相机、车辆、头戴式显示器、手持式电子设备等中或与之耦合。在至少一个实施例中,PPU被实现在单个半导体衬底上。在至少一个实施例中,PPU与一个或更多个其他设备(例如附加的PPU、存储器、RISCCPU,MMU、数模转换器(“DAC”)等)一起被包括在片上系统(“SoC”)中。
在至少一个实施例中,PPU可以被包括在包括一个或更多个存储设备的图形卡上。图形卡可以配置为与台式计算机主板上的PCIe插槽相连接。在至少一个实施例中,PPU可以是包括在主板的芯片组中的集成GPU(“iGPU”)。
在至少一个实施例中,图29中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,图29中描述的一个或更多个系统被用于执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图29中描述的一个或更多个系统被用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图29中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
通用计算的软件构造
以下各图阐述但不限于用于实现至少一个实施例的示例性软件构造。
图30示出了根据至少一个实施例的编程平台的软件栈。在至少一个实施例中,编程平台是用于利用计算系统上的硬件来加速计算任务的平台。在至少一个实施例中,软件开发人员可以通过库、编译器指令和/或对编程语言的扩展来访问编程平台。在至少一个实施例中,编程平台可以是但不限于CUDA,Radeon开放计算平台(“ROCm”),OpenCL(由Khronosgroup开发的OpenCLTM),SYCL或Intel One API。
在至少一个实施例中,编程平台的软件栈3000为应用程序3001提供执行环境。在至少一个实施例中,应用程序3001可以包括能够在软件栈3000上启动的任何计算机软件。在至少一个实施例中,应用程序3001可以包括但不限于人工智能(“AI”)/机器学习(“ML”)应用程序,高性能计算(“HPC”)应用程序,虚拟桌面基础架构(“VDI”)或数据中心工作负载。
在至少一个实施例中,应用程序3001和软件栈3000在硬件3007上运行。在至少一个实施例中,硬件3007可以包括一个或更多个GPU,CPU,FPGA,AI引擎和/或支持编程平台的其他类型的计算设备。在至少一个实施例中,例如采用CUDA,软件栈3000可以是厂商专用的,并且仅与来自特定厂商的设备兼容。在至少一个实施例中,例如在采用OpenCL中,软件栈3000可以与来自不同供应商的设备一起使用。在至少一个实施例中,硬件3007包括连接到一个或更多个设备的主机,该设备可经由应用程序编程接口(API)调用被访问以执行计算任务。在至少一个实施例中,与硬件3007内的主机相比,其可以包括但不限于CPU(但还可以包括计算设备)及其存储器,硬件3007内的设备可以包括但不限于GPU,FPGA,AI引擎或其他计算设备(但还可以包括CPU)及其存储器。
在至少一个实施例中,编程平台的软件栈3000包括但不限于多个库3003,运行时(runtime)3005和设备内核驱动器3006。在至少一个实施例中,库3003中的每个库可以包括可以由计算机程序使用并在软件开发期间利用的数据和编程代码。在至少一个实施例中,库3003可以包括但不限于预写的代码和子例程,类,值,类型规范,配置数据,文档,帮助数据和/或消息模板。在至少一个实施例中,库3003包括被优化用于在一种或更多种类型的设备上执行的函数。在至少一个实施例中,库3003可以包括但不限于用于在设备上执行数学、深度学习和/或其他类型的运算的函数。在至少一个实施例中,库3003与对应的API 3002相关联,API 3002可包括一个或更多个API,其暴露在库2903中实现的函数。
在至少一个实施例中,将应用程序3001编写为源代码,该源代码被编译成可执行代码,如下面结合图35-37更详细讨论的。在至少一个实施例中,应用程序3001的可执行代码可以至少部分地在由软件栈3000提供的执行环境上运行。在至少一个实施例中,在应用程序3001的执行期间,可以得到需要在设备(与主机相比)上运行的代码。在这种情况下,在至少一个实施例中,可以调用运行时3005以在设备上加载和启动必需的代码。在至少一个实施例中,运行时3005可以包括能够支持应用程序3001的执行的任何技术上可行的运行时系统。
在至少一个实施例中,运行时3005被实现为与对应的API(其被示为API 3004)相关联的一个或更多个运行时库。在至少一个实施例中,一个或更多个这样的运行时库可以包括但不限于用于存储器管理,执行控制,设备管理,错误处理和/或同步等等的函数。在至少一个实施例中,存储器管理函数可以包括但不限于用于分配、释放和复制设备存储器以及在主机存储器和设备存储器之间传输数据的函数。在至少一个实施例中,执行控制函数可以包括但不限于在设备上启动函数(当函数是可从主机调用的全局函数时,有时称为“内核”)的函数,和用于在运行时库为要在设备上执行的给定函数维护的缓冲区中设置属性值的函数。
在至少一个实施例中,可以任何技术上可行的方式来实现运行时库和相应的API3004。在至少一个实施例中,一个(或任意数量的)API可以公开用于设备的细粒度控制的低级函数集,而另一(或任意数量的)API可以公开这样的较高级的函数集。在至少一个实施例中,可以在低级API之上构建高级运行时API。在至少一个实施例中,一个或更多个运行时API可以是在与语言无关的运行时API之上分层的特定于语言的API。
在至少一个实施例中,设备内核驱动器3006被配置为促进与底层设备的通信。在至少一个实施例中,设备内核驱动器3006可以提供诸如API3004之类的API和/或其他软件所依赖的低级函数。在至少一个实施例中,设备内核驱动器3006可以被配置为在运行时将中间表示(“IR”)代码编译成二进制代码。在至少一个实施例中,对于CUDA,设备内核驱动器3006可以在运行时将非硬件专用的并行线程执行(“PTX”)IR代码编译为用于特定目标设备的二进制代码(高速缓存已编译的二进制代码),其有时也称为“最终”代码。在至少一个实施例中,这样做可以允许最终代码在目标设备上运行,而当源代码最初被编译为PTX代码时,该目标设备可能不存在。备选地,在至少一个实施例中,设备源代码可以离线地编译成二进制代码,而不需要设备内核驱动器3006在运行时编译IR代码。
在至少一个实施例中,利用图30中描绘的一个或更多个系统来执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图30中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图30中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图30中描绘的一个或更多个系统来实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图31示出了根据至少一个实施例的图30的软件栈3000的CUDA实现。在至少一个实施例中,可在其上启动应用程序3101的CUDA软件栈3100包括CUDA库3103,CUDA运行时3105,CUDA驱动器3107和设备内核驱动器3108。在至少一个实施例中,CUDA软件栈3100在硬件3109上执行,该硬件3109可以包括支持CUDA的GPU,其由加利福尼亚州圣克拉拉市的NVIDIA公司开发。
在至少一个实施例中,应用程序3101、CUDA运行时3105和设备内核驱动器3108可以分别执行与应用程序3001、运行时3005和设备内核驱动器3006类似的功能,以上结合图30对其进行了描述。在至少一个实施例中,CUDA驱动器3107包括实现CUDA驱动器API 3106的库(libcuda.so)。在至少一个实施例中,类似于由CUDA运行时库(cudart)实现的CUDA运行时API 3104,CUDA驱动器API 3106可以公开但不限于用于存储器管理、执行控制、设备管理、错误处理、同步和/或图形互操作性等的函数。在至少一个实施例中,CUDA驱动器API3106与CUDA运行时API 3104的不同之处在于,CUDA运行时API 3104通过提供隐式初始化、上下文(类似于进程)管理和模块(类似于动态加载的库)管理来简化设备代码管理。与高级CUDA运行时API 3104相反,在至少一个实施例中,CUDA驱动器API 3106是提供对设备的更细粒度控制的低级API,特别是关于上下文和模块加载。在至少一个实施例中,CUDA驱动器API 3106可以公开没有由CUDA运行时API 3104公开的用于上下文管理的函数。在至少一个实施例中,CUDA驱动器API 3106也与语言无关,并且除了支持CUDA运行时API3104之外,还支持例如OpenCL。此外,在至少一个实施例中,包括CUDA运行时3105在内的开发库可被视为与驱动器组件分离,包括用户模式的CUDA驱动器3107和内核模式的设备驱动器3108(有时也称为“显示”驱动器)。
在至少一个实施例中,CUDA库3103可以包括但不限于数学库,深度学习库,并行算法库和/或信号/图像/视频处理库,并行计算应用程序(例如应用程序3101)可以利用这些库。在至少一个实施例中,CUDA库3103可包括数学库,例如cuBLAS库,其是用于执行线性代数运算的基本线性代数子程序(“BLAS”)的实现;用于计算快速傅立叶变换(“FFT”)的cuFFT库,以及用于生成随机数的cuRAND库等。在至少一个实施例中,CUDA库3103可以包括深度学习库,诸如用于深度神经网络的基元的cuDNN库和用于高性能深度学习推理的TensorRT平台等等。
在至少一个实施例中,利用图31中描绘的一个或更多个系统来执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图31中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图31中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图31中描绘的一个或更多个系统来实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图32示出了根据至少一个实施例的图30的软件栈3000的ROCm实现。在至少一个实施例中,可在其上启动应用程序3201的ROCm软件栈3200包括语言运行时3203,系统运行时3205,thunk 3207和ROCm内核驱动器3208。在至少一个实施例中,ROCm软件栈3200在硬件3209上执行,硬件3209可以包括支持ROCm的GPU,其由加利福尼亚州圣克拉拉市的AMD公司开发。
在至少一个实施例中,应用程序3201可以执行与以上结合图30讨论的应用程序3001类似的功能。另外,在至少一个实施例中,语言运行时3203和系统运行时3205可以执行与以上结合图30讨论的运行时3005类似的功能。在至少一个实施例中,语言运行时3203和系统运行时3205的不同之处在于,系统运行时3205是实现ROCr系统运行时API 3204并利用异构系统架构(“HSA”)运行时API的语言无关运行时。在至少一个实施例中,HSA运行时API是一种瘦用户模式API,它公开接口以供访问和与AMD GPU交互,包括用于存储器管理、通过架构分派内核的执行控制、错误处理、系统和代理信息以及运行时初始化和关闭等的函数。在至少一个实施例中,与系统运行时3205相比,语言运行时3203是ROCr系统运行时API3204之上分层的特定于语言的运行时API 3202的实现。在至少一个实施例中,语言运行时API可以包括但不限于可移植异构计算接口(“HIP”)语言运行时API,异构计算编译器(“HCC”)语言运行时API或OpenCL API等等。特别是,HIP语言是C++编程语言的扩展,具有CUDA机制的功能相似版本,并且在至少一个实施例中,HIP语言运行时API包括与以上结合图31讨论的CUDA运行时API 3104相似的函数,例如用于存储器管理、执行控制、设备管理、错误处理和同步等的函数。
在至少一个实施例中,thunk(ROCt)3207是可用于与底层ROCm驱动器3208交互的接口。在至少一个实施例中,ROCm驱动器3208是ROCk驱动器,其是AMDGPU驱动器和HSA内核驱动器(amdkfd)的组合。在至少一个实施例中,AMDGPU驱动器是由AMD开发的用于GPU的设备内核驱动器,其执行与以上结合图30讨论的设备内核驱动器3006类似的功能。在至少一个实施例中,HSA内核驱动器是允许不同类型的处理器经由硬件特征更有效地共享系统资源的驱动器。
在至少一个实施例中,各种库(未示出)可以被包括在语言运行时3203上方的ROCm软件栈3200中,并且提供与以上结合图31讨论的CUDA库3103相似的功能。在至少一个实施例中,各种库可以包括但不限于数学、深度学习和/或其他库,例如实现与CUDA cuBLAS类似的函数的hipBLAS库,类似于CUDA cuFFT用于计算FFT的rocFFT库等。
在至少一个实施例中,利用图32中描绘的一个或更多个系统执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图32中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图32中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图32中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图33示出了根据至少一个实施例的图30的软件栈3000的OpenCL实现。在至少一个实施例中,可以在其上启动应用程序3301的OpenCL软件栈3300包括OpenCL框架3305,OpenCL运行时3306和驱动器3307。在至少一个实施例中,OpenCL软件栈3300在不是特定于供应商的硬件3109上执行。在至少一个实施例中,由于由不同厂商开发的设备支持OpenCL,因此可能需要特定的OpenCL驱动器才能与来自此类厂商的硬件进行互操作。
在至少一个实施例中,应用程序3301,OpenCL运行时3306,设备内核驱动器3307和硬件3308可以分别执行与上面结合图30讨论的应用程序3001、运行时3005、设备内核驱动器3006和硬件3007类似的功能。在至少一个实施例中,应用程序3301还包括具有将在设备上执行的代码的OpenCL内核3302。
在至少一个实施例中,OpenCL定义了一种“平台”,其允许主机控制连接到该主机的设备。在至少一个实施例中,OpenCL框架提供平台层API和运行时API,示出为平台API3303和运行时API 3305。在至少一个实施例中,运行时API 3305使用上下文来管理设备上内核的执行。在至少一个实施例中,每个标识的设备可以与各自的上下文相关联,运行时API3305可以使用该上下文来管理该设备的命令队列、程序对象和内核对象、共享存储器对象等。在至少一个实施例中,平台API 3303公开了允许设备上下文用于选择和初始化设备,经由命令队列将工作提交给设备,以及使得能够进行来自和去往设备的数据传输等的函数。另外,在至少一个实施例中,OpenCL框架提供各种内置函数(未示出),包括数学函数、关系函数和图像处理函数等。
在至少一个实施例中,编译器3304也被包括在OpenCL框架3305中。在至少一个实施例中,源代码可以在执行应用程序之前被离线编译或者在执行应用程序期间被在线编译。与CUDA和ROCm相反,至少一个实施例中的OpenCL应用程序可以由编译器3304在线编译,编译器3304被包括以代表可以用于将源代码和/或IR代码(例如标准可移植中间表示(“SPIR-V”)代码)编译为二进制代码的任意数量的编译器。可替代地,在至少一个实施例中,可以在执行这样的应用程序之前离线编译OpenCL应用程序。
在至少一个实施例中,利用图33中描绘的一个或更多个系统来执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图33中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图33中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图33中描绘的一个或更多个系统来实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图34示出了根据至少一个实施例的由编程平台支持的软件。在至少一个实施例中,编程平台3404被配置为支持应用程序3400可以依赖的各种编程模型3403,中间件和/或库3402以及框架3401。在至少一个实施例中,应用程序3400可以是使用例如深度学习框架(例如,MXNet,PyTorch或TensorFlow)实现的AI/ML应用,其可以依赖于诸如cuDNN,NVIDIACollective Communications Library(“NCCL”)”和/或NVIDIA开发人员数据加载库(“DALI”)CUDA库之类的库,以在底层硬件上提供加速的计算。
在至少一个实施例中,编程平台3404可以是以上分别结合图31、图32和图33描述的CUDA、ROCm或OpenCL平台之一。在至少一个实施例中,编程平台3404支持多个编程模型3403,其是底层计算系统的抽象,其允许算法和数据结构的表达。在至少一个实施例中,编程模型3403可以暴露底层硬件的特征以便改善性能。在至少一个实施例中,编程模型3403可以包括但不限于CUDA,HIP,OpenCL,C++加速大规模并行性(“C++AMP”),开放多处理(“OpenMP”),开放加速器(“OpenACC”)和/或Vulcan计算(Vulcan Compute)。
在至少一个实施例中,库和/或中间件3402提供编程模型3404的抽象的实现。在至少一个实施例中,这样的库包括可由计算机程序使用并在软件开发期间利用的数据和编程代码。在至少一个实施例中,除了可以从编程平台3404获得的那些之外,这样的中间件还包括向应用程序提供服务的软件。在至少一个实施例中,库和/或中间件3402可以包括但不限于cuBLAS、cuFFT、cuRAND和其他CUDA库,或rocBLAS、rocFFT、rocRAND和其他ROCm库。另外,在至少一个实施例中,库和/或中间件3402可以包括NCCL和ROCm通信集合库(“RCCL”)库,其提供用于GPU的通信例程,用于深度学习加速的MIOpen库和/或用于线性代数、矩阵和向量运算、几何变换、数值求解器以及相关算法的本征库。
在至少一个实施例中,应用程序框架3401依赖于库和/或中间件3402。在至少一个实施例中,每个应用程序框架3401是用于实现应用软件的标准结构的软件框架。回到上面讨论的AI/ML示例,在至少一个实施例中,可以使用框架(诸如Caffe,Caffe2,TensorFlow,Keras,PyTorch或MxNet深度学习框架)来实现AI/ML应用。
在至少一个实施例中,图34中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图34中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图34中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图34中描述的一个或更多个系统来实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图35示出了根据至少一个实施例的编译代码以在图30-33的编程平台之一上执行。在至少一个实施例中,编译器3501接收源代码3500,其包括主机代码以及设备代码两者。在至少一个实施例中,编译器3501被配置为将源代码3500转换为用于在主机上执行的主机可执行代码3502以及用于在设备上执行的设备可执行代码3503。在至少一个实施例中,源代码3500可以在执行应用程序之前离线编译,或者在执行应用程序期间在线编译。
在至少一个实施例中,源代码3500可以包括编译器3501支持的任何编程语言的代码,例如C++、C、Fortran等。在至少一个实施例中,源代码3500可以包括在单源(single-source)文件中,其具有主机代码和设备代码的混合,并在其中指示了设备代码的位置。在至少一个实施例中,单源文件可以是包括CUDA代码的.cu文件或包括HIP代码的.hip.cpp文件。备选地,在至少一个实施例中,源代码3500可以包括多个源代码文件,而不是单源文件,在该单源文件中主机代码和设备代码是分开的。
在至少一个实施例中,编译器3501被配置为将源代码3500编译成用于在主机上执行的主机可执行代码3502和用于在设备上执行的设备可执行代码3503。在至少一个实施例中,编译器3501执行操作,包括将源代码3500解析为抽象系统树(AST),执行优化以及生成可执行代码。在源代码3500包括单源文件的至少一个实施例中,编译器3501可以将设备代码与主机代码在这种单源文件中分开,将设备代码和主机代码分别编译成设备可执行代码3503和主机可执行代码3502,以及将设备可执行代码3503和主机可执行代码3502在单个文件中链接到一起,如下面关于图36更详细讨论的。
在至少一个实施例中,主机可执行代码3502和设备可执行代码3503可以是任何合适的格式,例如二进制代码和/或IR代码。在CUDA的情况下,在至少一个实施例中,主机可执行代码3502可以包括本地对象代码,而设备可执行代码3503可以包括PTX中间表示的代码。在至少一个实施例中,在ROCm的情况下,主机可执行代码3502和设备可执行代码3503都可以包括目标二进制代码。
在至少一个实施例中,图35中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图35中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图35中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图35中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图36是根据至少一个实施例的编译代码以在图30-33的编程平台之一上执行的更详细图示。在至少一个实施例中,编译器3601被配置为接收源代码3600,编译源代码3600,并输出可执行文件3608。在至少一个实施例中,源代码3600是单源文件,例如.cu文件,.hip.cpp文件或其他格式的文件,其包括主机代码和设备代码两者。在至少一个实施例中,编译器3601可以是但不限于用于在.cu文件中编译CUDA代码的NVIDIA CUDA编译器(“NVCC”),或用于在.hip.cpp文件中编译HIP代码的HCC编译器。
在至少一个实施例中,编译器3601包括编译器前端3602,主机编译器3605,设备编译器3606和链接器3609。在至少一个实施例中,编译器前端3602被配置为在源代码3600中将设备代码3604与主机代码3603分开。在至少一个实施例中,设备代码3604由设备编译器3606编译成设备可执行代码3608,如所描述的,其可以包括二进制代码或IR代码。在至少一个实施例中,主机代码3603由主机编译器3605单独地编译成主机可执行代码3607。在至少一个实施例中,对于NVCC,主机编译器3605可以是但不限于输出本机目标代码的通用C/C++编译器,而设备编译器3606可以是但不限于基于低级虚拟机(“LLVM”)的编译器,其将LLVM编译器基础架构分叉,并输出PTX代码或二进制代码。在至少一个实施例中,对于HCC,主机编译器3605和设备编译器3606两者可以是但不限于输出目标二进制代码的基于LLVM的编译器。
在至少一个实施例中,在将源代码3600编译成主机可执行代码3607和设备可执行代码3608之后,链接器3609将主机和设备可执行代码3607和3608在可执行文件3610中链接到一起。在至少一个实施例中,主机和PTX的本机目标代码或设备的二进制代码可以在可执行和可链接格式(“ELF”)文件中链接在一起,该文件是用于存储目标代码的容器格式。
在至少一个实施例中,图36中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图36中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图36中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图36中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图37示出了根据至少一个实施例的在编译源代码之前转换源代码。在至少一个实施例中,源代码3700通过转换工具3701传递,转换工具3701将源代码3700转换成转换后的源代码3702。在至少一个实施例中,编译器3703用于将转换后的源代码3702编译成主机可执行代码3704和设备可执行代码3705,其过程类似于由编译器3501将源代码3500编译成主机可执行代码3502和设备可执行代码3503的过程,如以上结合图35所讨论的。
在至少一个实施例中,由转换工具3701执行的转换被用于移植(port)源代码3700,以在与最初打算在其上运行的不同的环境中执行。在至少一个实施例中,转换工具3701可以包括但不限于HIP转换器,其用于将用于CUDA平台的CUDA代码“移植(hipify)”为可以在ROCm平台上编译和执行的HIP代码。在至少一个实施例中,源代码3700的转换可以包括:解析源代码3700,并将对由一个编程模型(例如,CUDA)提供的API的调用转换为对由另一编程模型(例如,例如,HIP)提供的API的相应调用,如下面结合图38A-39更详细地讨论的。返回到移植CUDA代码的示例,在至少一个实施例中,对CUDA运行时API、CUDA驱动器API和/或CUDA库的调用可以被转换为对应的HIP API调用。在至少一个实施例中,由转换工具3701执行的自动转换有时可能是不完整的,需要额外的人工来完全移植源代码3700。
在至少一个实施例中,图37中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图37描绘的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图37所示的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图37中所描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,如结合图1-10所描述的那些。
配置GPU用于通用计算
以下各图阐述但不限于根据至少一个实施例的用于编译和执行计算源代码的示例性架构。
图38A示出了根据至少一个实施例的被配置为使用不同类型的处理单元来编译和执行CUDA源代码3810的系统3800。在至少一个实施例中,系统3800包括但不限于CUDA源代码3810,CUDA编译器3850,主机可执行代码3870(1),主机可执行代码3870(2),CUDA设备可执行代码3884,CPU 3890,启用CUDA的GPU 3894,GPU 3892,CUDA到HIP转换工具3820,HIP源代码3830,HIP编译器驱动器3840,HCC 3860和HCC设备可执行代码3882。
在至少一个实施例中,CUDA源代码3810是CUDA编程语言的人类可读代码的集合。在至少一个实施例中,CUDA代码是CUDA编程语言的人类可读代码。在至少一个实施例中,CUDA编程语言是C++编程语言的扩展,其包括但不限于定义设备代码以及区分设备代码和主机代码的机制。在至少一个实施例中,设备代码是在编译之后可在设备上并行执行的源代码。在至少一个实施例中,设备可以是针对并行指令处理而优化的处理器,例如启用CUDA的GPU 3890、GPU 3892或另一GPGPU等。在至少一个实施例中,主机代码是在编译后可以在主机上执行的源代码。在至少一个实施例中,主机是针对顺序指令处理而优化的处理器,例如CPU 3890。
在至少一个实施例中,CUDA源代码3810包括但不限于,任意数量(包括零)的全局函数3812,任意数量(包括零)的设备函数3814,任意数量(包括零)的主机函数3816,以及任意数量(包括零)的主机/设备函数3818。在至少一个实施例中,全局函数3812,设备函数3814,主机函数3816和主机/设备函数3818在CUDA源代码3810中可以混合。在至少一个实施例中,每个全局函数3812可在设备上执行并且可从主机调用。因此,在至少一个实施例中,全局函数3812中的一个或更多个可以充当设备的入口点。在至少一个实施例中,每个全局函数3812是内核。在至少一个实施例中以及在一种称为动态并行性的技术中,一个或更多个全局函数3812定义了一内核,该内核可以在设备上执行并且可以从这样的设备调用。在至少一个实施例中,内核在执行期间由设备上的N个不同线程并行执行N次(其中N为任何正整数)。
在至少一个实施例中,每个设备函数3814在设备上执行并且只能从这样的设备调用。在至少一个实施例中,每个主机函数3816在主机上执行并且只能从这样的主机调用。在至少一个实施例中,每个主机/设备函数3816既定义了在主机上可执行并且只能从这样的主机调用的函数的主机版本,也定义了在设备上可执行并且只能从这样的设备调用的函数的设备版本。
在至少一个实施例中,CUDA源代码3810还可包括但不限于对通过CUDA运行时API3802定义的任意数量的函数的任意数量的调用。在至少一个实施例中,CUDA运行时API3802可以包括但不限于在主机上执行的任意数量的函数,用于分配和释放设备存储器,在主机存储器和设备存储器之间传输数据,管理具有多个设备的系统等。在至少一个实施例中,CUDA源代码3810还可以包括对在任意数量的其他CUDA API中指定的任意数量的函数的任意数量的调用。在至少一个实施例中,CUDA API可以是被设计为由CUDA代码使用的任何API。在至少一个实施例中,CUDA API包括但不限于CUDA运行时API 3802,CUDA驱动器API,用于任意数量的CUDA库的API等。在至少一个实施例中并且相对于CUDA运行时API 3802,CUDA驱动器API是较低级别的API,但可以提供对设备的更细粒度的控制。在至少一个实施例中,CUDA库的示例包括但不限于cuBLAS,cuFFT,cuRAND,cuDNN等。
在至少一个实施例中,CUDA编译器3850编译输入的CUDA代码(例如,CUDA源代码3810)以生成主机可执行代码3870(1)和CUDA设备可执行代码3884。在至少一个实施例中,CUDA编译器3850是NVCC。在至少一个实施例中,主机可执行代码3870(1)是在CPU 3890上可执行的输入源代码中包括的主机代码的编译版本。在至少一个实施例中,CPU3890可以是针对顺序指令处理而优化的任何处理器。
在至少一个实施例中,CUDA设备可执行代码3884是在启用CUDA的GPU 3894上可执行的输入源代码中包括的设备代码的编译版本。在至少一个实施例中,CUDA设备可执行代码3884包括但不限于二进制代码。在至少一个实施例中,CUDA设备可执行代码3884包括但不限于IR代码,例如PTX代码,该IR代码在运行时被设备驱动器进一步编译为用于特定目标设备(例如,启用CUDA的GPU 3894)的二进制代码。在至少一个实施例中,启用CUDA的GPU3894可以是针对并行指令处理而优化并且支持CUDA的任何处理器。在至少一个实施例中,启用CUDA的GPU 3894由加利福尼亚州圣克拉拉市的NVIDIA公司开发。
在至少一个实施例中,CUDA到HIP转换工具3820被配置为将CUDA源代码3810转换成功能上相似的HIP源代码3830。在至少一个实施例中,HIP源代码3830是HIP编程语言的人类可读代码的集合。在至少一个实施例中,HIP代码是HIP编程语言的人类可读代码。在至少一个实施例中,HIP编程语言是C++编程语言的扩展,其包括但不限于CUDA机制的功能上相似的版本,用于定义设备代码并区分设备代码和主机代码。在至少一个实施例中,HIP编程语言可以包括CUDA编程语言的功能的子集。在至少一个实施例中,例如,HIP编程语言包括但不限于定义全局函数3812的机制,但是这样的HIP编程语言可能缺乏对动态并行性的支持,因此,在HIP代码中定义的全局函数3812仅可从主机调用。
在至少一个实施例中,HIP源代码3830包括但不限于任意数量(包括零)的全局函数3812,任意数量(包括零)的设备函数3814,任意数量(包括零)的主机函数3816以及任意数量(包括零)的主机/设备函数3818。在至少一个实施例中,HIP源代码3830还可以包括对在HIP运行时API3832中指定的任意数量的函数的任意数量的调用。在一个实施例中,HIP运行时API 3832包括但不限于CUDA运行时API 3802中包括的函数的子集的功能上相似的版本。在至少一个实施例中,HIP源代码3830还可以包括对在任意数量的其他HIP API中指定的任意数量的函数的任意数量的调用。在至少一个实施例中,HIP API可以是被设计为供HIP代码和/或ROCm使用的任何API。在至少一个实施例中,HIP API包括但不限于HIP运行时API 3832,HIP驱动器API,用于任意数量的HIP库的API,用于任意数量的ROCm库的API等。
在至少一个实施例中,CUDA到HIP转换工具3820将CUDA代码中的每个内核调用从CUDA语法转换为HIP语法,并将CUDA代码中的任意数量的其他CUDA调用转换为任意数量的其他功能上相似的HIP调用。在至少一个实施例中,CUDA调用是对在CUDA API中指定的函数的调用,并且HIP调用是对在HIP API中指定的函数的调用。在至少一个实施例中,CUDA到HIP转换工具3820将对在CUDA运行时API 3802中指定的函数的任意数量的调用转换为对在HIP运行时API 3832中指定的函数的任意数量的调用。
在至少一个实施例中,CUDA到HIP转换工具3820是被称为hipify-perl的工具,其执行基于文本的转换过程。在至少一个实施例中,CUDA到HIP转换工具3820是被称为hipify-clang的工具,相对于hipify-perl,其执行更复杂且更鲁棒的转换过程,该过程涉及使用clang(编译器前端)解析CUDA代码,然后转换得到的符号。在至少一个实施例中,除了由CUDA到HIP转换工具3820执行的那些修改之外,将CUDA代码正确地转换成HIP代码可能还需要修改(例如,手动编辑)。
在至少一个实施例中,HIP编译器驱动器3840是确定目标设备3846,然后配置与目标设备3846兼容的编译器以编译HIP源代码3830的前端。在至少一个实施例中,目标设备3846是针对并行指令处理而优化的处理器。在至少一个实施例中,HIP编译器驱动器3840可以以任何技术上可行的方式确定目标设备3846。
在至少一个实施例中,如果目标设备3846与CUDA兼容(例如,启用CUDA的GPU3894),则HIP编译器驱动器3840生成HIP/NVCC编译命令3842。在至少一个实施例中并且结合图38B更详细地描述的,HIP/NVCC编译命令3842配置CUDA编译器3850以使用但不限于HIP到CUDA转换头和CUDA运行时库来编译HIP源代码3830。在至少一个实施例中并且响应于HIP/NVCC编译命令3842,CUDA编译器3850生成主机可执行代码3870(1)和CUDA设备可执行代码3884。
在至少一个实施例中,如果目标设备3846与CUDA不兼容,则HIP编译器驱动器3840生成HIP/HCC编译命令3844。在至少一个实施例中并且如结合图38C更详细地描述的,HIP/HCC编译命令3844配置HCC 3860以使用HCC头和HIP/HCC运行时库编译HIP源代码3830。在至少一个实施例中并且响应于HIP/HCC编译命令3844,HCC 3860生成主机可执行代码3870(2)和HCC设备可执行代码3882。在至少一个实施例中,HCC设备可执行代码3882是HIP源代码3830中包含的可在GPU 3892上执行的设备代码的编译版本。在至少一个实施例中,GPU3892可以是针对并行指令处理而优化的、与CUDA不兼容且与HCC兼容的任何处理器。在至少一个实施例中,GPU 3892由加利福尼亚州圣克拉拉市的AMD公司开发。在至少一个实施例中,GPU 3892是不启用CUDA的GPU 3892。
仅出于说明性目的,在图38A中描绘了在至少一个实施例中可以实现为编译CUDA源代码3810以在CPU 3890和不同设备上执行的三个不同流程。在至少一个实施例中,直接CUDA流程编译CUDA源代码3810以在CPU 3890和启用CUDA的GPU 3894上执行,而无需将CUDA源代码3810转换为HIP源代码3830。在至少一个实施例中,间接CUDA流程将CUDA源代码3810转换为HIP源代码3830,然后编译HIP源代码3830以在CPU 3890和启用CUDA的GPU 3894上执行。在至少一个实施例中,CUDA/HCC流程将CUDA源代码3810转换为HIP源代码3830,然后编译HIP源代码3830以在CPU 3890和GPU 3892上执行。
可以通过虚线和一系列气泡注释A1-A3描绘可以在至少一个实施例中实现的直接CUDA流程。在至少一个实施例中,并且如气泡注释A1所示,CUDA编译器3850接收CUDA源代码3810和配置CUDA编译器3850以编译CUDA源代码3810的CUDA编译命令3848。在至少一个实施例中,直接CUDA流程中使用的CUDA源代码3810是用CUDA编程语言编写的,该CUDA编程语言基于除C++之外的其他编程语言(例如C,Fortran,Python,Java等)。在至少一个实施例中,并且响应于CUDA编译命令3848,CUDA编译器3850生成主机可执行代码3870(1)和CUDA设备可执行代码3884(用气泡注释A2表示)。在至少一个实施例中并且如用气泡注释A3所示,主机可执行代码3870(1)和CUDA设备可执行代码3884可以分别在CPU 3890和启用CUDA的GPU3894上执行。在至少一个实施例中,CUDA设备可执行代码3884包括但不限于二进制代码。在至少一个实施例中,CUDA设备可执行代码3884包括但不限于PTX代码,并且在运行时被进一步编译成用于特定目标设备的二进制代码。
可以通过虚线和一系列气泡注释B1-B6来描述可以在至少一个实施例中实现的间接CUDA流程。在至少一个实施例中并且如气泡注释B1所示,CUDA到HIP转换工具3820接收CUDA源代码3810。在至少一个实施例中并且如气泡注释B2所示,CUDA到HIP转换工具3820将CUDA源代码3810转换为HIP源代码3830。在至少一个实施例中并如气泡注释B3所示,HIP编译器驱动器3840接收HIP源代码3830,并确定目标设备3846是否启用了CUDA。
在至少一个实施例中并且如气泡注释B4所示,HIP编译器驱动器3840生成HIP/NVCC编译命令3842,并将HIP/NVCC编译命令3842和HIP源代码3830两者都发送到CUDA编译器3850。在至少一个实施例中并且如结合图38B更详细地描述的,HIP/NVCC编译命令3842配置CUDA编译器3850以使用但不限于HIP到CUDA转换头和CUDA运行时库来编译HIP源代码3830。在至少一个实施例中并且响应于HIP/NVCC编译命令3842,CUDA编译器3850生成主机可执行代码3870(1)和CUDA设备可执行代码3884(用气泡注释B5表示)。在至少一个实施例中并且如气泡注释B6所示,主机可执行代码3870(1)和CUDA设备可执行代码3884可以分别在CPU 3890和启用CUDA的GPU 3894上执行。在至少一个实施例中,CUDA设备可执行代码3884包括但不限于二进制代码。在至少一个实施例中,CUDA设备可执行代码3884包括但不限于PTX代码,并且在运行时被进一步编译成用于特定目标设备的二进制代码。
可以通过实线和一系列气泡注释C1-C6来描述可以在至少一个实施例中实现的CUDA/HCC流程。在至少一个实施例中并且如气泡注释C1所示,CUDA到HIP转换工具3820接收CUDA源代码3810。在至少一个实施例中并且如气泡注释C2所示,CUDA到HIP转换工具3820将CUDA源代码3810转换为HIP源代码3830。在至少一个实施例中并且如气泡注释C3所示,HIP编译器驱动器3840接收HIP源代码3830,并确定目标设备3846未启用CUDA。
在至少一个实施例中,HIP编译器驱动器3840生成HIP/HCC编译命令3844,并且将HIP/HCC编译命令3864和HIP源代码3830两者发送到HCC 3860(用气泡注释C4表示)。在至少一个实施例中并且如结合图38C更详细地描述的,HIP/HCC编译命令3864配置HCC 3860以使用但不限于HCC头和HIP/HCC运行时库编译HIP源代码3830。在至少一个实施例中并且响应于HIP/HCC编译命令3844,HCC 3860生成主机可执行代码3870(2)和HCC设备可执行代码3882(用气泡注释C5表示)。在至少一个实施例中并且如气泡注释C6所示,主机可执行代码3870(2)和HCC设备可执行代码3882可以分别在CPU 3890和GPU 3892上执行。
在至少一个实施例中,在将CUDA源代码3810转换为HIP源代码3830之后,HIP编译器驱动器3840可随后用于生成用于启用CUDA的GPU3894或GPU 3892的可执行代码,而无需将CUDA重新执行为HIP转换工具3820。在至少一个实施例中,CUDA到HIP转换工具3820将CUDA源代码3810转换为HIP源代码3830,然后将其存储在存储器中。在至少一个实施例中,HIP编译器驱动器3840然后配置HCC 3860以基于HIP源代码3830生成主机可执行代码3870(2)和HCC设备可执行代码3882。在至少一个实施例中,HIP编译器驱动器3840随后配置CUDA编译器3850以基于存储的HIP源代码3830生成主机可执行代码3870(1)和CUDA设备可执行代码3884。
图38B示出了根据至少一个实施例的被配置为使用CPU 3890和启用CUDA的GPU3894来编译和执行图38A的CUDA源代码3810的系统3804。在至少一个实施例中,系统3804包括但不限于CUDA源代码3810,CUDA到HIP转换工具3820,HIP源代码3830,HIP编译器驱动器3840,CUDA编译器3850,主机可执行代码3870(1),CUDA设备可执行代码3884,CPU 3890和启用CUDA的GPU 3894。
在至少一个实施例中并且如本文先前结合图38A所描述的,CUDA源代码3810包括但不限于任意数量(包括零)的全局函数3812,任意数量(包括零)的设备函数3814,任意数量(包括零)的主机函数3816以及任意数量(包括零)的主机/设备函数3818。在至少一个实施例中,CUDA源代码3810还包括但不限于对在任意数量的CUDA API中指定的任意数量的函数的任意数量的调用。
在至少一个实施例中,CUDA到HIP转换工具3820将CUDA源代码3810转换成HIP源代码3830。在至少一个实施例中,CUDA到HIP转换工具3820将CUDA源代码3810中的每个内核调用从CUDA语法转换为HIP语法,并将CUDA源代码3810中任意数量的其他CUDA调用转换为任意数量的其他功能上相似的HIP调用。
在至少一个实施例中,HIP编译器驱动器3840确定目标设备3846是启用CUDA的,并且生成HIP/NVCC编译命令3842。在至少一个实施例中,然后HIP编译器驱动器3840经由HIP/NVCC编译命令3842配置CUDA编译器3850以编译HIP源代码3830。在至少一个实施例中,作为配置CUDA编译器3850的一部分,HIP编译器驱动器3840提供对HIP到CUDA转换头3852的访问。在至少一个实施例中,HIP到CUDA转换头3852将任意数量的HIP API中指定的任意数量的机制(例如,函数)转换为任意数量的CUDA API中指定的任意数量的机制。在至少一个实施例中,CUDA编译器3850将HIP到CUDA转换头3852与对应于CUDA运行时API 3802的CUDA运行时库3854结合使用,以生成主机可执行代码3870(1)和CUDA设备可执行代码3884。在至少一个实施例中,然后可以分别在CPU 3890和启用CUDA的GPU 3894上执行主机可执行代码3870(1)和CUDA设备可执行代码3884。在至少一个实施例中,CUDA设备可执行代码3884包括但不限于二进制代码。在至少一个实施例中,CUDA设备可执行代码3884包括但不限于PTX代码,并且在运行时被进一步编译成用于特定目标设备的二进制代码。
图38C示出了根据至少一个实施例的系统3806,该系统3806被配置为使用CPU3890和未启用CUDA的GPU 3892来编译和执行图38A的CUDA源代码3810。在至少一个实施例中,系统3806包括但不限于CUDA源代码3810,CUDA到HIP转换工具3820,HIP源代码3830,HIP编译器驱动器3840,HCC 3860,主机可执行代码3870(2),HCC设备可执行代码3882,CPU3890和GPU 3892。
在至少一个实施例中,并且如本文先前结合图38A所描述的,CUDA源代码3810包括但不限于任意数量(包括零)的全局函数3812,任意数量(包括零)的设备函数3814,任意数量(包括零)的主机函数3816以及任意数量(包括零)的主机/设备函数3818。在至少一个实施例中,CUDA源代码3810还包括但不限于对在任意数量的CUDA API中指定的任意数量的函数的任意数量的调用。
在至少一个实施例中,CUDA到HIP转换工具3820将CUDA源代码3810转换成HIP源代码3830。在至少一个实施例中,CUDA到HIP转换工具3820将CUDA源代码3810中的每个内核调用从CUDA语法转换为HIP语法,并将源代码3810中任意数量的其他CUDA调用转换为任意数量的其他功能上相似的HIP调用。
在至少一个实施例中,HIP编译器驱动器3840随后确定目标设备3846不是启用CUDA的,并生成HIP/HCC编译命令3844。在至少一个实施例中,然后HIP编译器驱动器3840配置HCC 3860以执行HIP/HCC编译命令3844,从而编译HIP源代码3830。在至少一个实施例中,HIP/HCC编译命令3844将HCC 3860配置为使用但不限于HIP/HCC运行时库3858和HCC头3856来生成主机可执行代码3870(2)和HCC设备可执行代码3882。在至少一个实施例中,HIP/HCC运行时库3858对应于HIP运行时API 3832。在至少一个实施例中,HCC头3856包括但不限于用于HIP和HCC的任意数量和类型的互操作性机制。在至少一个实施例中,主机可执行代码3870(2)和HCC设备可执行代码3882可以分别在CPU 3890和GPU 3892上执行。
在至少一个实施例中,图38A-38C中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图38A-38C中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图38A-38C中描述的一个或更多个系统用于执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图38A-38C中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图37示出了根据至少一个实施例的由图38C的CUDA到HIP转换工具3820转换的示例性内核。在至少一个实施例中,CUDA源代码3810将给定内核被设计为解决的总体问题划分为可以使用线程块独立解决的相对粗糙的子问题。在至少一个实施例中,每个线程块包括但不限于任意数量的线程。在至少一个实施例中,每个子问题被划分为相对细小的部分(pieces),这些部分可以由线程块中的线程协作并行地解决。在至少一个实施例中,线程块内的线程可以通过共享存储器共享数据并通过同步执行以协调存储器访问来协作。
在至少一个实施例中,CUDA源代码3810将与给定内核相关联的线程块组织成线程块的一维、二维或三维网格。在至少一个实施例中,每个线程块包括但不限于任意数量的线程,并且网格包括但不限于任意数量的线程块。
在至少一个实施例中,内核是使用“__global__”声明说明符(specifier)定义的设备代码中的函数。在至少一个实施例中,使用CUDA内核启动语法3910来指定针对给定内核调用执行内核的网格的尺寸以及相关联的流。在至少一个实施例中,CUDA内核启动语法3910被指定为“KernelName<<<GridSize,BlockSize,SharedMemorySize,Stream>>>(KernelArguments);”。在至少一个实施例中,执行配置语法是“<<<...>>>”构造,其被插入在内核名称(“KernelName”)和内核参数的括号列表(“KernelArguments”)之间。在至少一个实施例中,CUDA内核启动语法3910包括但不限于CUDA启动函数语法而不是执行配置语法。
在至少一个实施例中,“GridSize”是dim3类型的,并且指定网格的尺寸和大小。在至少一个实施例中,类型dim3是CUDA定义的结构,其包括但不限于无符号整数x,y和z。在至少一个实施例中,如果未指定z,则z默认为1。在至少一个实施例中,如果未指定y,则y默认为1。在至少一个实施例中,网格中的线程块的数量等于GridSize.x、GridSize.y和GridSize.z的乘积。在至少一个实施例中,“BlockSize”是dim3类型的,并且指定每个线程块的尺寸和大小。在至少一个实施例中,每线程块的线程数等于BlockSize.x、BlockSize.y和BlockSize.z的乘积。在至少一个实施例中,给定执行内核的每个线程唯一的线程ID,该线程ID可通过内置变量(例如“threadIdx”)在内核内访问。
在至少一个实施例中,关于CUDA内核启动语法3910,“SharedMemorySize”是一可选参数,它指定共享存储器中除静态分配的存储器外,针对给定内核调用为每个线程块动态分配的字节数。在至少一个实施例中并且关于CUDA内核启动语法3910,SharedMemorySize默认为零。在至少一个实施例中并且关于CUDA内核启动语法3910,“流”是可选的参数,其指定相关联的流并且默认为零以指定默认流。在至少一个实施例中,流是按顺序执行的命令序列(其可能由不同的主机线程发出)。在至少一个实施例中,不同的流可以相对于彼此无序地或同时地执行命令。
在至少一个实施例中,CUDA源代码3810包括但不限于用于示例性内核“MatAdd”的内核定义和主函数。在至少一个实施例中,主函数是在主机上执行的主机代码,并且包括但不限于使内核MatAdd在设备上执行的内核调用。在至少一个实施例中,如图所示,内核MatAdd将大小为NxN的两个矩阵A和B相加,其中N为正整数,并将结果存储在矩阵C中。在至少一个实施例中,主函数将threadsPerBlock变量定义为16x 16,numBlocks变量为N/16xN/16。在至少一个实施例中,然后主函数指定内核调用“MatAdd<<<numBlocks,threadsPerBlock>>>(A,B,C);”。在至少一个实施例中,并且根据CUDA内核启动语法3910,使用尺寸为N/16×N/16的线程块网格来执行内核MatAdd,其中每个线程块的尺寸为16×16。在至少一个实施例中,每个线程块包括256个线程,创建具有足够块的网格以使每个矩阵元素具有一个线程,并且该网格中的每个线程执行内核MatAdd以执行一个逐对的加法。
在至少一个实施例中,在将CUDA源代码3810转换成HIP源代码3830的同时,CUDA到HIP转换工具3820将CUDA源代码3810中的每个内核调用从CUDA内核启动语法3910转换成HIP内核启动语法3920,并将源代码3810中的任意数量的其他CUDA调用转换为任意数量的其他功能上相似的HIP调用。在至少一个实施例中,HIP内核启动语法3920被指定为“hipLaunchKernelGGL(KernelName,GridSize,BlockSize,SharedMemorySize,Stream,KernelArguments);”。在至少一个实施例中,KernelName,GridSize,BlockSize,ShareMemorySize,Stream和KernelArguments中的每一个在HIP内核启动语法3920中具有与在CUDA内核启动语法3910中(本文先前描述)相同的含义。在至少一个实施例中,参数SharedMemorySize和Stream在HIP内核启动语法3920中是必需的,而在CUDA内核启动语法3910中是可选的。
在至少一个实施例中,除了使内核MatAdd在设备上执行的内核调用之外,图39中描绘的HIP源代码3830的一部分与图39中描绘的CUDA源代码3810的一部分相同。在至少一个实施例中,在HIP源代码3830中定义内核MatAdd,具有与在CUDA源代码3810中定义内核MatAdd相同的“__global__”声明说明符。在至少一个实施例中,在HIP源代码3830中的内核调用是“hipLaunchKernelGGL(MatAdd,numBlocks,threadsPerBlock,0、0,A,B,C);”,而CUDA源代码3810中的相应内核调用是“MatAdd<<<numBlocks,threadsPerBlock>>>(A,B,C);”。
在至少一个实施例中,利用图39中描绘的一个或更多个系统来执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图39所示的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图39所示的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图39中所描绘的一个或更多个系统来实现一个或更多个系统和/或过程,诸如结合图1-10所描述的那些。
图40更详细地示出了根据至少一个实施例的图38C的未启用CUDA的GPU 3892。在至少一个实施例中,GPU 3892由圣塔克拉拉市的AMD公司开发。在至少一个实施例中,GPU3892可以被配置为以高度并行的方式执行计算操作。在至少一个实施例中,GPU 3892被配置为执行图形管线操作,诸如绘制命令、像素操作、几何计算以及与将图像渲染到显示器相关联的其他操作。在至少一个实施例中,GPU 3892被配置为执行与图形无关的操作。在至少一个实施例中,GPU 3892被配置为执行与图形有关的操作和与图形无关的操作两者。在至少一个实施例中,GPU 3892可以被配置为执行HIP源代码3830中包括的设备代码。
在至少一个实施例中,GPU 3892包括但不限于任意数量的可编程处理单元4020,命令处理器4010,L2高速缓存4022,存储器控制器4070,DMA引擎4080(1),系统存储器控制器4082,DMA引擎4080(2)和GPU控制器4084。在至少一个实施例中,每个可编程处理单元4020包括但不限于工作负载管理器4030和任意数量的计算单元4040。在至少一个实施例中,命令处理器4010读取来自一个或更多个命令队列(未示出)的命令,并将命令分发给工作负载管理器4030。在至少一个实施例中,对于每个可编程处理单元4020,相关的工作负载管理器4030将工作分发给包括在可编程处理单元4020中的计算单元4040。在至少一个实施例中,每个计算单元4040可以执行任意数量的线程块,但是每个线程块在单个计算单元4040上执行。在至少一个实施例中,工作组是线程块。
在至少一个实施例中,每个计算单元4040包括但不限于任意数量的SIMD单元4050和共享存储器4060。在至少一个实施例中,每个SIMD单元4050实现SIMD架构并且被配置为并行执行操作。在至少一个实施例中,每个SIMD单元4050包括但不限于向量ALU 4052和向量寄存器文件4054。在至少一个实施例中,每个SIMD单元4050执行不同的线程束。在至少一个实施例中,线程束是一组线程(例如16个线程),其中线程束中的每个线程属于单个线程块,并且被配置为基于单个指令集来处理不同的数据集。在至少一个实施例中,可以使用预测来禁用线程束中的一个或更多个线程。在至少一个实施例中,通道是线程。在至少一个实施例中,工作项是线程。在至少一个实施例中,波前是线程束。在至少一个实施例中,线程块中的不同波前可一起同步并经由共享存储器4060进行通信。
在至少一个实施例中,可编程处理单元4020被称为“着色引擎”。在至少一个实施例中,除了计算单元4040之外,每个可编程处理单元4020还包括但不限于任意数量的专用图形硬件。在至少一个实施例中,每个可编程处理单元4020包括但不限于任意数量(包括零)的几何处理器,任意数量(包括零)的光栅化器,任意数量(包括零)的渲染后端,工作负载管理器4030和任意数量的计算单元4040。
在至少一个实施例中,计算单元4040共享L2高速缓存4022。在至少一个实施例中,L2高速缓存4022被分区。在至少一个实施例中,GPU3892中的所有计算单元4040可访问GPU存储器4090。在至少一个实施例中,存储器控制器4070和系统存储器控制器4082促进GPU3892与主机之间的数据传输,并且DMA引擎4080(1)使能GPU 3892与此主机之间的异步存储器传输。在至少一个实施例中,存储器控制器4070和GPU控制器4084促进GPU 3892与其他GPU 3892之间的数据传输,并且DMA引擎4080(2)使能GPU 3892与其他GPU 3892之间的异步存储器传输。
在至少一个实施例中,GPU 3892包括但不限于任意数量和类型的系统互连,该系统互连促进在GPU 3892内部或外部的任意数量和类型的直接或间接链接的组件之间的数据和控制传输。在至少一个实施例中,GPU3892包括但不限于耦合到任意数量和类型的外围设备的任意数量和类型的I/O接口(例如,PCIe)。在至少一个实施例中,GPU 3892可以包括但不限于任意数量(包括零)的显示引擎和任意数量(包括零)的多媒体引擎。在至少一个实施例中,GPU 3892实现了存储器子系统,该存储器子系统包括但不限于任意数量和类型的存储器控制器(例如,存储器控制器4070和系统存储器控制器4082)以及专用于一个组件或在多个组件之间共享的存储器设备(例如,共享存储器4060)。在至少一个实施例中,GPU3892实现了高速缓存子系统,该高速缓存子系统包括但不限于一个或更多个高速缓存存储器(例如,L2高速缓存4022),每个高速缓存存储器可以是私有的或在任意数量的组件(例如,SIMD单元4050,计算单元4040和可编程处理单元4020)之间共享。
在至少一个实施例中,利用图40中描述的一个或更多个系统执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图40中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图40中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图40中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图41示出了根据至少一个实施例的示例性CUDA网格4120的线程如何被映射到图40的不同计算单元4040。在至少一个实施例中,并且仅出于说明目的,网格4120具有BX乘以BY乘以1的GridSize和TX乘以TY乘以1的BlockSize。因此,在至少一个实施例中,网格4120包括但不限于(BX*BY)线程块4130,每个线程块4130包括但不限于(TX*TY)线程4140。线程4140在图41中被描绘为弯曲箭头。
在至少一个实施例中,网格4120被映射到可编程处理单元4020(1),该可编程处理单元4020(1)包括但不限于计算单元4040(1)-4040(C)。在至少一个实施例中并且如图所示,将(BJ*BY)线程块4130映射到计算单元4040(1),并且将其余线程块4130映射到计算单元4040(2)。在至少一个实施例中,每个线程块4130可以包括但不限于任意数量的线程束,并且每个线程束被映射到图40的不同的SIMD单元4050。
在至少一个实施例中,给定线程块4130中的线程束可以一起同步并通过关联的计算单元4040中包括的共享存储器4060进行通信。例如并且在至少一个实施例中,线程块4130(BJ,1)中的线程束可以一起同步并通过共享存储器4060(1)进行通信。例如并且在至少一个实施例中,线程块4130(BJ+1,1)中的线程束可以一起同步并通过共享存储器4060(2)进行通信。
在至少一个实施例中,图41中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图41中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图41中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,图41中描绘的一个或更多个系统被用于实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
图42示出了根据至少一个实施例如何将现有CUDA代码迁移至数据并行C++代码。数据并行C++(DPC++)可指代对单架构专有语言的开放、基于标准的替换,其允许开发者跨硬件目标(CPU和加速器,诸如GPU和FPGA)重用代码并且还针对特定加速器执行定制调谐。DPC++使用开发者可能熟悉的根据ISO C++的类似和/或相同的C和C++构建体。DPC++结合了来自Khronos组的标准SYCL以支持数据并行性和异构编程。SYCL是指建立在OpenCL的底层概念、可移植性和效率上的跨平台抽象层,其使得能够使用标准C++以“单源(single-source)”样式编写用于异构处理器的代码。SYCL可以实现单个源开发,其中C++模板函数可以包含主机代码和设备代码两者以构建使用OpenCL加速的复杂算法,并且然后在不同类型的数据上贯穿它们的源代码重复使用它们。
在至少一个实施例中,DPC++编译器用于编译DPC++源代码,该源代码可以跨不同的硬件目标部署。在至少一个实施例中,DPC++编译器用于生成可以跨不同的硬件目标部署的DPC++应用,并且DPC++兼容工具可以用于将CUDA应用迁移到DPC++中的多平台程序。在至少一个实施例中,DPC++基础工具包包括:用于跨不同的硬件目标部署应用的DPC++编译器;用于提高跨CPU、GPU和FPGA的生产率和性能的DPC++库;用于将CUDA应用迁移到多平台应用的DPC++兼容工具;和其任何合适的组合。
在至少一个实施例中,通过使用现代C++特征来表达与被称为数据并行(DataParallel)C++的编程语言的并行性,利用DPC++编程模型来简化与对CPU和加速器进行编程相关的一个或更多个方面。DPC++编程语言可以用于使用单个源语言对主机(例如,CPU)和加速器(例如,GPU或FPGA)的代码重用,其中,清楚地传达了执行和存储器依赖关系。DPC++代码内的映射可以用于将应用转换成在最佳加速工作负载的硬件或硬件设备组上运行。主机可用于简化设备代码的开发和调试,即使在不具有可用的加速器的平台上也是如此。
在至少一个实施例中,将CUDA源代码4200作为输入提供给DPC++兼容工具4202以生成人类可读DPC++4204。在至少一个实施例中,人类可读DPC++4204包括由DPC++兼容工具4202生成的内联评论,该内联评论指导开发者如何和/或在哪里修改DPC++代码以完成编码并调谐至所期望的性能4206,由此生成DPC++源代码4208。
在至少一个实施例中,CUDA源代码4200是或包括CUDA编程语言的人类可读源代码的集合。在至少一个实施例中,CUDA源代码4200是CUDA编程语言中的人类可读源代码。在至少一个实施例中,CUDA编程语言是C++编程语言的扩展,其包括但不限于用于定义设备代码和区分设备代码和主机代码的机制。在至少一个实施例中,设备代码是在编译之后在设备(例如,GPU或FPGA)上可执行并且可以包括能够在设备的一个或更多个处理器核上执行的一个或更多个可并行工作流的源代码。在至少一个实施例中,设备可为经优化用于并行指令处理的处理器,例如启用CUDA的GPU、GPU或另一GPGPU等。在至少一个实施例中,主机代码是在编译之后在主机上可执行的源代码。在至少一个实施例中,可以跨CPU和GPU/FPGA并行地执行主机代码和设备代码中的一些或全部。在至少一个实施例中,主机是被优化用于顺序指令处理的处理器,诸如CPU。结合图42描述的CUDA源代码4200可根据本文中别处讨论的那些CUDA源代码。
在至少一个实施例中,DPC++兼容工具4202是指可执行工具、程序、应用或用于促进CUDA源代码4200迁移到DPC++源代码4208的任何其他合适类型的工具。在至少一个实施例中,DPC++兼容工具4202是基于命令行的代码迁移工具,其可用作用于将现有CUDA源端口至DPC++的DPC++工具包的一部分。在至少一个实施例中,DPC++兼容工具4202将CUDA应用的一些或全部源代码从CUDA转换成DPC++,并且生成至少部分地以DPC++编写的所得文件,被称为人类可读DPC++4204。在至少一个实施例中,人类可读DPC++4204包括由DPC++兼容工具4202生成的评论,以指示用户干预可能是必要的地方。在至少一个实施例中,当CUDA源代码4200调用不具有类似DPC++API的CUDA API时,用户干预是必要的;稍后更详细地讨论需要用户干预的其他示例。
在至少一个实施例中,用于迁移CUDA源代码的工作流程4200(例如,应用或其部分)包括:创建一个或更多个编译数据库文件;使用DPC++兼容工具4202将CUDA迁移到DPC++;完成迁移并验证正确性,从而生成DPC++源代码4208;用DPC++编译器编译DPC++源代码4208,以生成DPC++应用。在至少一个实施例中,兼容性工具提供截取当生成文件(Makefile)执行时使用的命令并将它们存储在编译数据库文件中的实用程序。在至少一个实施例中,以JSON格式存储文件。在至少一个实施例中,拦截构建(intercept-built)的命令将生成文件(Makefile)命令转换成DPC兼容命令。
在至少一个实施例中,拦截构建是实用程序脚本,该实用程序脚本拦截构建过程以捕获编译选项、宏定义,并且包括路径,并且将该数据写入编译数据库文件中。在至少一个实施例中,编译数据库文件是JSON文件。在至少一个实施例中,DPC++兼容工具4202解析编译数据库并且在迁移输入源时应用选项。在至少一个实施例中,拦截构建的使用是可选的,但是高度推荐用于基于制作(Make)或CMake的环境。在至少一个实施例中,迁移数据库包括命令、目录和文件:命令可以包括必要的编译标志;目录可以包括到报头文件的路径;文件可以包括到CUDA文件的路径。
在至少一个实施例中,DPC++兼容工具4202通过在可能的地方生成DPC++将写入CUDA中的CUDA代码(例如,应用)迁移到DPC++。在至少一个实施例中,DPC++兼容工具4202可用作工具套件的一部分。在至少一个实施例中,DPC++工具包包括拦截构建工具。在至少一个实施例中,拦截构建工具创建编译数据库,其捕获用于迁移CUDA文件的编译命令。在至少一个实施例中,DPC++兼容工具4202使用由拦截构建工具生成的编译数据库来将CUDA代码迁移到DPC++。在至少一个实施例中,照原样迁移非CUDA C++代码和文件。在至少一个实施例中,DPC++兼容工具4202生成人类可读DPC++4204,该人类可读DPC++4204可以是如由DPC++兼容工具4202所生成的DPC++代码,该DPC++代码不能被DPC++编译器编译并且需要附加的管道系统来验证未被正确迁移的代码部分,并且可涉及手动干预(诸如由开发者)。在至少一个实施例中,DPC++兼容工具4202提供嵌入在代码中的提示或工具以帮助开发者手动地迁移不能自动迁移的附加代码。在至少一个实施例中,迁移是源文件、项目或应用的一次性活动。
在至少一个实施例中,DPC++兼容工具42002能够将CUDA代码的所有部分成功地迁移到DPC++,并且可以仅存在用于手动地验证和调整所生成的DPC++源代码的性能的可选步骤。在至少一个实施例中,DPC++兼容工具4202直接生成DPC++源代码4208,DPC++源代码4208由DPC++编译器编译,而不需要或利用人为干预来修改DPC++兼容工具4202生成的DPC++代码。在至少一个实施例中,DPC++兼容性工具生成可编译DPC++代码,这些代码可以由开发者出于性能、可读性、可维护性、其他各种考虑因素或其任何组合来可选地调整。
在至少一个实施例中,至少部分地使用DPC++兼容工具4202将一个或更多个CUDA源文件迁移到DPC++源文件。在至少一个实施例中,CUDA源代码包括一个或更多个报头文件,其可以包括CUDA报头文件。在至少一个实施例中,CUDA源文件包括可用于打印文本的<cuda.h>头文件和<stdio.h>头文件。在至少一个实施例中,向量添加内核CUDA源文件的一部分可以被写为或与以下各项相关:
在至少一个实施例中并且结合以上呈现的CUDA源文件,DPC++兼容工具4202解析CUDA源代码并且用适当的DPC++和SYCL报头文件替换报头文件。在至少一个实施例中,DPC++报头文件包括助手声明。在CUDA中,存在线程ID的概念,并且相应地,在DPC++或SYCL中,针对每个元素,存在本地标识符。
在至少一个实施例中,并且结合以上呈现的CUDA源文件,存在初始化的两个向量A和B,并且将向量相加结果作为VectorAdKernel()的一部分放入向量C中。在至少一个实施例中,作为将CUDA代码迁移到DPC++代码的一部分,DPC++兼容工具4202通过本地ID将用于索引工作元素的CUDA线程ID转换成针对工作元素的SYCL标准寻址。在至少一个实施例中,可以优化由DPC++兼容工具4202生成的DPC++代码——例如,通过减少nd_item的维度,从而增加存储器和/或处理器利用率。
在至少一个实施例中,并且结合以上呈现的CUDA源文件,迁移存储器分配。在至少一个实施例中,依赖于诸如平台、设备、上下文和队列的SYCL概念,将cudaMalloc()迁移到设备和上下文被传递到的统一共享存储器SYCL调用malloc_device()。在至少一个实施例中,SYCL平台可以具有多个设备(例如,主机和GPU设备);设备可以具有可以向其提交作业的多个队列;每个设备可以具有上下文;以及上下文可以具有多个设备并管理共享存储器对象。
在至少一个实施例中,并且结合以上呈现的CUDA源文件,主()函数调用或调用VectorAdKernel()以将两个向量A和B加在一起并且将结果存储在向量C中。在至少一个实施例中,调用VectorAdKernel()的CUDA代码被DPC++代码替换,以将内核提交至命令队列用于执行。在至少一个实施例中,命令组处理程序cgh传递提交至队列的数据、同步和计算,为调用VectorAdKernel()的工作组中的多个全局元素和多个工作项调用parallel_for。
在至少一个实施例中,并且结合以上呈现的CUDA源文件,将用于复制设备存储器然后针对向量A、B和C释放存储器的CUDA调用迁移到对应的DPC++调用。在至少一个实施例中,照原样迁移C++代码(例如,用于打印浮点变量的向量的标准ISO C++代码),而不被DPC++兼容工具4202修改。在至少一个实施例中,DPC++兼容工具4202修改CUDA API用于存储器设置和/或主机调用以便在加速设备上执行内核。在至少一个实施例中并且结合以上呈现的CUDA源文件,将对应的人类可读DPC++4204(例如,其可以被编译)写为或与以下相关:
在至少一个实施例中,人类可读DPC++4204是指由DPC++兼容工具4202生成的输出并且可以按一种或另一种方式进行优化。在至少一个实施例中,由DPC++兼容工具4202生成的人类可读DPC++4204可在迁移之后由开发者手动编辑以使其更加可维护、性能或其他考虑。在至少一个实施例中,DPC++兼容工具42002生成的DPC++代码(如所公开的DPC++)可通过移除每个malloc_device()调用的重复调用get_current_device()和/或get_default_context()来优化。在至少一个实施例中,以上生成的DPC++代码使用可以被重构成仅使用单个维度的3维nd_range,从而减少存储器使用。在至少一个实施例中,开发人员可以手动编辑DPC++兼容工具4202生成的DPC++代码,从而用附件替换统一共享存储器的使用。在至少一个实施例中,DPC++兼容工具4202具有改变如何将CUDA代码迁移到DPC++代码的选项。在至少一个实施例中,DPC++兼容工具4202是冗长的,因为它正在使用通用模板来将CUDA代码迁移到DPC++代码,DPC++代码对于大量情况起作用。
在至少一个实施例中,CUDA到DPC++迁移工作流包括以下步骤:使用拦截构建脚本准备迁移;使用DPC++兼容工具4202执行CUDA项目到DPC++的迁移;人工审核和编辑迁移的源文件以完成和正确性;以及编译最终的DPC++代码以生成DPC++应用。在至少一个实施例中,在一个或更多个场景中可能需要手动检查DPC++源代码,这些场景包括但不限于:迁移的API不返回错误代码(CUDA代码可以返回错误代码,错误代码然后可以由应用消费,但SYCL使用异常来报告错误,并且因此不使用错误代码来表面错误);DPC++不支持CUDA计算能力相关逻辑;不能移除声明。在至少一个实施例中,其中DPC++代码需要手动干预的场景可以包括但不限于:用(*,0)代码替换或评论的错误代码逻辑;等效DPC++API不可用;CUDA计算能力相关逻辑;硬件相关API(clock());缺少特征不支持的API;执行时间测量逻辑;处理内置向量类型冲突;cuBLAS API的迁移;以及更多。
在至少一个实施例中,图42中描绘的一个或更多个系统被用于执行API以生成用于分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图42中描述的一个或更多个系统执行API以生成用于解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图42中描述的一个或更多个系统执行API以生成用于分配和解分配内存的一个或更多个图形代码节点。在至少一个实施例中,利用图42中描绘的一个或更多个系统来实现一个或更多个系统和/或过程,诸如结合图1-10描述的那些。
在至少一个实施例中,本文描述的一种或更多种技术利用oneAPI编程模型。在至少一个实施例中,oneAPI编程模型指的是用于与各个计算加速器架构交互的编程模型。在至少一个实施例中,oneAPI是指被设计成与各个计算加速器架构交互的应用编程接口(API)。在至少一个实施例中,oneAPI编程模型利用DPC++编程语言。在至少一个实施例中,DPC++编程语言是指用于数据并行编程生产力的高级语言。在至少一个实施例中,DPC++编程语言至少部分地基于C和/或C++编程语言。在至少一个实施例中,oneAPI编程模型是诸如由加利福尼亚州圣克拉拉市的英特尔公司开发的那些之类的编程模型。
在至少一个实施例中,利用oneAPI和/或oneAPI编程模型来与各个加速器、GPU、处理器、和/或其变体、架构进行交互。在至少一个实施例中,oneAPI包括实现各个功能的一组库。在至少一个实施例中,oneAPI至少包括oneAPI DPC++库、oneAPI数学内核库、oneAPI数据分析库、oneAPI深度神经网络库、oneAPI集合通信库、oneAPI线程构建块库、oneAPI视频处理库和/或其变型。
在至少一个实施例中,oneAPI DPC++库(也称为oneDPL)是实现算法和功能以加速DPC++内核编程的库。在至少一个实施例中,oneDPL实现一个或更多个标准模板库(STL)函数。在至少一个实施例中,oneDPL实现一个或更多个并行STL函数。在至少一个实施例中,oneDPL提供一组库类和函数,诸如并行算法、迭代器、函数对象类、基于范围的API和/或其变型。在至少一个实施例中,oneDPL实现C++标准库的一个或更多个类和/或函数。在至少一个实施例中,oneDPL实现一个或更多个随机数生成器函数。
在至少一个实施例中,oneAPI数学内核库(也称为oneMKL)是实现用于各个数学函数和/或运算的各个优化和并行化例程的库。在至少一个实施例中,oneMKL实现一个或更多个基本线性代数子程序(BLAS)和/或线性代数封装(LAPACK)密集线性代数例程。在至少一个实施例中,oneMKL实现一个或更多个稀疏BLAS线性代数例程。在至少一个实施例中,oneMKL实现一个或更多个随机数生成器(RNG)。在至少一个实施例中,oneMKL实现用于对向量进行数学运算的一个或更多个向量数学(VM)例程。在至少一个实施例中,oneMKL实现一个或更多个快速傅里叶变换(FFT)函数。
在至少一个实施例中,oneAPI数据分析库(也称为oneDAL)是实现各个数据分析应用和分布式计算的库。在至少一个实施例中,oneDAL以批处理、在线和分布式计算处理模式实现用于数据分析的预处理、变换、分析、建模、验证和进行决策的各个算法。在至少一个实施例中,oneDAL实现各个C++和/或Java API以及对一个或更多个数据源的各个连接器。在至少一个实施例中,oneDAL实现对传统C++接口的DPC++API扩展,并且使得GPU能够用于各个算法。
在至少一个实施例中,oneAPI深度神经网络库(也被称为oneDNN)是实现各个深度学习函数的库。在至少一个实施例中,oneDNN实现各个神经网络、机器学习和深度学习函数、算法和/或其变型。
在至少一个实施例中,oneAPI集中通信库(也称为oneCCL)是实现深度学习和机器学习工作负载的各个应用的库。在至少一个实施例中,在下级通信中间件(诸如消息传递接口(MPI)和libfabrics))上构建oneCCL。在至少一个实施例中,oneCCL实现一组深度学习特定优化,诸如优先化、持久操作、无序执行和/或其变型。在至少一个实施例中,oneCCL实现各个CPU和GPU功能。
在至少一个实施例中,oneAPI线程构建块库(也被称为oneTBB)是实现用于各个应用的各个并行化过程的库。在至少一个实施例中,oneTTB被用于在主机上的基于任务的共享并行编程。在至少一个实施例中,oneTTB实现通用并行算法。在至少一个实施例中,oneTTB实现并发容器。在至少一个实施例中,oneTTB实现可扩展内存分配器。在至少一个实施例中,oneTTB实现工作窃取任务调度器。在至少一个实施例中,oneTTB实现低级别同步原语。在至少一个实施例中,oneTTB是独立于编译器的并且可在各个处理器上使用,例如GPU、PPU、CPU和/或其变型。
在至少一个实施例中,oneAPI视频处理库(也称为oneVPL)是用于在一个或更多个应用中加速视频处理的库。在至少一个实施例中,oneVPL实现各个视频解码、编码和处理函数。在至少一个实施例中,oneVPL实现用于CPU、GPU和其他加速器上的媒体管线的各个函数。在至少一个实施例中,oneVPL实现以媒体为中心和视频分析工作负载的设备发现和选择。在至少一个实施例中,oneVPL实现用于零拷贝缓冲区共享的API原语。
在至少一个实施例中,oneAPI编程模型利用DPC++编程语言。在至少一个实施例中,DPC++编程语言是包括但不限于定义设备代码并且在设备代码和主机代码之间进行区分的CUDA机制的功能相似版本的编程语言。在至少一个实施例中,DPC++编程语言可以包括CUDA编程语言的功能的子集。在至少一个实施例中,使用DPC++编程语言使用oneAPI编程模型来执行一个或更多个CUDA编程模型操作。
应注意的是,虽然本文描述的示例实施例可以涉及CUDA编程模型,本文描述的技术可以与任何合适的编程模型一起使用,如HIP、oneAPI和/或其变型。
鉴于以下条款,可以描述本公开的至少一个实施例:
条款1.一种处理器,包括:
一个或更多个电路,用于执行应用编程接口(API),以生成用于分配内存的一个或更多个图形代码节点。
条款2.根据条款1所述的处理器,其中所述一个或更多个电路进一步用于:
获得至少指示所述API的代码;以及
至少通过执行所述代码来执行所述API。
条款3.根据条款1-2中任一项所述的处理器,其中一个或更多个电路进一步用于:
生成图形数据结构;以及
生成作为所述图形数据结构的部分的所述一个或更多个图形代码节点。
条款4.根据条款1-3中任一项所述的处理器,其中所述一个或更多个电路进一步用于至少部分地基于至少指示待分配的内存的属性的一个或更多个参数值来执行所述API。
条款5.根据条款1-4中任一项所述的处理器,其中用于分配内存的所述一个或更多个图形代码节点与用于解分配内存的一组图形代码节点相对应。
条款6.根据条款1-5中任一项所述的处理器,其中所述一个或更多个电路进一步用于使图形处理单元(GPU)至少部分地基于所述一个或更多个图形代码节点来分配内存。
条款7.根据条款1-6中任一项所述的处理器,其中所述一个或更多个电路进一步用于使一个或更多个设备使用所述内存来执行一个或更多个操作。
条款8.一种系统,包括:
一个或更多个计算机,其具有一个或更多个处理器,所述一个或更多个处理器用于执行应用编程接口(API),以生成用于分配内存的一个或更多个图形代码节点。
条款9.根据条款8所述的系统,其中所述一个或更多个处理器进一步用于至少部分地基于至少指示待分配的所述内存的大小的一组参数值来执行所述API。
条款10.根据条款8-9中任一项所述的系统,其中所述一个或更多个处理器进一步用于使并行处理单元(PPU)使用所述一个或更多个图形代码节点来分配所述内存。
条款11.根据条款8-10中任一项所述的系统,其中所述一个或更多个图形代码节点编码所分配的内存的属性。
条款12.根据条款8-11中任一项所述的系统,其中所述一个或更多个处理器进一步用于:
获得指示一个或更多个操作的图形数据结构;以及
使一个或更多个设备使用所述图形数据结构来使用所分配的内存执行所述一个或更多个操作。
条款13.根据条款8-12中任一项所述的系统,其中API是运行时API。
条款14.一种机器可读介质,具有存储在其上的指令集,所述指令集如果由一个或更多个处理器执行,则使所述一个或更多个处理器至少:
执行应用编程接口(API),以生成用于分配内存的一个或更多个图形代码节点。
条款15.根据条款14所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器生成作为图形数据结构的部分的一个或更多个图形代码节点。
条款16.根据条款14-15中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器获得包括用于所述API的参数值的代码。
条款17.根据条款14-16中任一项所述的机器可读介质,其中所述一个或更多个图形代码节点是对关于内存分配的信息进行编码的数据对象,并且进一步地,其中所述信息至少部分地基于一个或更多个参数值来计算。
条款18.根据条款14-17中任一项所述的机器可读介质,其中所述API是驱动器API。
条款19.根据条款14-18中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:
生成作为第一图形数据结构的部分的所述一个或更多个图形代码节点;
使所述内存至少部分地基于所述一个或更多个图形代码节点来被分配;获得指示一个或更多个操作的第二图形数据结构;以及
使一个或更多个设备利用所分配的内存来执行所述一个或更多个操作。
条款20.根据条款14-19中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器用于使通用图形处理单元(GPGPU)使用所述一个或更多个图形代码节点来分配所述内存。
条款21.一种处理器,包括:
一个或更多个电路,用于执行应用编程接口(API),以生成用于分配和解分配内存的一个或更多个图形代码节点。
条款22.根据条款21所述的处理器,其中所述一个或更多个电路进一步用于:
生成用于分配所述内存的第一图形代码节点;以及
生成用于解分配所述内存的第二图形代码节点。
条款23.根据条款21-22中任一项所述的处理器,其中所述一个或更多个图形代码节点是第一图形数据结构的部分。
条款24.根据条款21-23中任一项所述的处理器,其中所述一个或更多个电路进一步用于使设备至少部分地基于所识别的内存区域来分配内存。
条款25.根据条款21-24中任一项所述的处理器,其中所述一个或更多个电路进一步用于至少部分地基于指示用于分配和解分配内存的约束的参数值来执行所述API。
条款26.根据条款21-25中任一项所述的处理器,其中所述一个或更多个电路进一步用于使一个或更多个设备使用所述内存来执行一组操作。
条款27.一种机器可读介质,具有存储在其上的指令集,所述指令集如果由一个或更多个处理器执行,则使所述一个或更多个处理器至少:
执行应用编程接口(API),以生成用于分配和解分配内存的一个或更多个图形代码节点。
条款28.根据条款27所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:
获得至少指示所述API的代码,以生成用于分配和解分配所述内存的所述一个或更多个图形代码节点;以及
执行所述代码以执行所述API,以生成用于分配和解分配所述内存的所述一个或更多个图形代码节点,其中所述一个或更多个图形代码节点包括用于分配内存的第一节点和用于解分配内存的第二节点。
条款29.根据条款27-28中任一项所述的机器可读介质,其中所述一个或更多个图形代码节点中的第一节点是第一图形数据结构的部分,并且所述一个或更多个图形代码节点中的第二节点是第二图形数据结构的部分。
条款30.根据条款27-29中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器用于使中央处理单元(CPU)使用一个或更多个图形代码节点来分配和解分配所述内存。
条款31.根据条款27-30中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:
计算第一组操作;以及
使一个或更多个设备使用所述内存来执行所述第一组操作。
条款32.根据条款27-31中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器用于使一个或更多个设备执行由包括一个或更多个图形代码节点中的至少一个的图形数据结构指示的一个或更多个操作。
鉴于以下条款,可以描述本公开的至少一个实施例:
条款1.一种处理器,包括:
一个或更多个电路,用于执行应用编程接口(API),以生成用于解分配内存的一个或更多个图形代码节点。
条款2.根据条款1所述的处理器,其中一个或更多个电路进一步用于执行作为代码的执行的部分的API,所述代码至少指示用于解分配所述内存的所述一个或更多个图形代码节点的生成。
条款3.根据条款1-2中任一项所述的处理器,其中所述一个或更多个电路进一步用于生成作为图形数据结构的部分的所述一个或更多个图形代码节点。
条款4.根据条款1-3中任一项所述的处理器,其中所述一个或更多个电路进一步用于使设备使用内存来执行由一个或更多个图形数据结构指示的一组操作。
条款5.根据条款1-4中任一项所述的处理器,其中所述一个或更多个电路进一步用于使图形处理单元(GPU)使用所述一个或更多个图形代码节点来解分配所述内存。
条款6.根据条款1-5中任一项所述的处理器,其中所述一个或更多个图形代码节点编码要解分配的所述内存的属性。
条款7.根据条款1-6中任一项所述的处理器,其中一个或更多个电路进一步用于至少部分地基于至少指示要解分配的内存的地址的一个或更多个参数值来执行API。
条款8.一种系统,包括:
一个或更多个计算机,其具有一个或更多个处理器,所述一个或更多个处理器用于执行应用编程接口(API),以生成用于解分配内存的一个或更多个图形代码节点。
条款9.根据条款8所述的系统,其中所述一个或更多个处理器进一步用于使一个或更多个设备使用所述内存来执行一个或更多个操作。
条款10.根据条款8-9中任一项所述的系统,其中所述一个或更多个处理器进一步用于使并行处理单元(PPU)使用一个或更多个图形代码节点来解分配内存。
条款11.根据条款8-10中任一项所述的系统,其中所述一个或更多个处理器进一步用于至少部分地基于至少指示图形数据结构的一组参数值来执行API,以生成所述一个或更多个图形代码节点。
条款12.根据条款8-11中任一项所述的系统,其中所述API是运行时API。
条款13.根据条款8-12中任一项所述的系统,其中所述一个或更多个处理器进一步用于使一个或更多个设备至少部分地基于图形数据结构的一个或更多个其他图形代码节点部分来分配所述内存。
条款14.一种机器可读介质,具有存储在其上的指令集,所述指令集如果由一个或更多个处理器执行,则使所述一个或更多个处理器至少:
执行应用编程接口(API),以生成用于解分配内存的一个或更多个图形代码节点。
条款15.根据条款14所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器至少部分地基于在代码中指示的所述API的参数值来执行所述API。
条款16.根据条款14-15中任一项所述的机器可读介质,其中所述一个或更多个图形代码节点对与内存解分配相关联的数据进行编码,并且进一步其中数据是至少部分地基于一个或更多个参数值计算的。
条款17.根据条款14-16中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:
获得图形数据结构;以及
生成作为所述图形数据结构的部分的所述一个或更多个图形代码节点。
条款18.根据条款14-17中任一项所述的机器可读介质,其中所述API是驱动器API。
条款19.根据条款14-18中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由一个或更多个处理器执行,则使所述一个或更多个处理器:
获得指示一个或更多个操作的第一图形数据结构;
使一个或更多个设备利用所述内存来执行所述一个或更多个操作;
使所述一个或更多个设备使用所述一个或更多个图形代码节点来解分配所述内存。
条款20.根据条款14-19中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器用于使通用图形处理单元(GPGPU)至少部分地基于包括所述一个或更多个图形代码节点的图形数据结构来解分配所述内存。
条款21.一种处理器,包括:
一个或更多个电路,用于执行应用编程接口(API),以生成用于分配和解分配内存的一个或更多个图形代码节点。
条款22.根据条款21所述的处理器,其中所述一个或更多个电路进一步用于:
生成作为图形数据结构的部分的第一图形代码节点;以及
生成作为所述图形数据结构的部分的第二图形代码节点。
条款23.根据条款21-22中任一项所述的处理器,其中所述一个或更多个电路进一步用于:
使一个或更多个设备使用所述一个或更多个图形代码节点中的第一图形代码节点来分配所述内存;以及
使所述一个或更多个设备使用所述一个或更多个图形代码节点中的第二图形代码节点来解分配所述内存。
条款24.根据条款21-23中任一项所述的处理器,其中所述一个或更多个电路进一步用于至少部分地基于在代码中指示的参数值来执行所述API。
条款25.根据条款21-24中任一项所述的处理器,其中API的参数值包括要分配和解分配的内存的属性。
条款26.根据条款21-25中任一项所述的处理器,其中一个或更多个电路进一步用于使设备至少部分地基于所识别的内存位置来解分配内存。
条款27.一种机器可读介质,具有存储在其上的指令集,所述指令集如果由一个或更多个处理器执行,则使所述一个或更多个处理器至少:
执行应用编程接口(API),以生成用于分配和解分配内存的一个或更多个图形代码节点。
条款28.根据条款27所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由一个或更多个处理器执行,则使所述一个或更多个处理器执行代码以执行API,以生成用于分配和解分配内存的一个或更多个图形代码节点,其中一个或更多个图形代码节点中的第一节点是第一图形数据结构的部分,并且所述一个或更多个图形代码节点中的第二节点是第二图形数据结构的部分。
条款29.根据条款27-28中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由一个或更多个处理器执行,则使一个或更多个处理器:
使一个或更多个设备使用第一图形数据结构来分配所述内存;以及
使所述一个或更多个设备使用第二图形数据结构来解分配所述内存。
条款30.根据条款27-29中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由一个或更多个处理器执行,则使所述一个或更多个处理器:使中央处理单元(CPU)使用一个或更多个图形代码节点来分配和解分配内存。
条款31.根据条款27-30中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由一个或更多个处理器执行,则使所述一个或更多个处理器执行另一API,以使一个或更多个设备使用内存来执行一个或更多个操作。
条款32.根据条款27-31中任一项所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由一个或更多个处理器执行,则使所述一个或更多个处理器至少通过生成关于分配和解分配所述内存的一个或更多个数据对象编码信息来生成所述一个或更多个图形代码节点。
其他变型在本公开的精神内。因此,尽管公开的技术易于进行各种修改和替代构造,但是某些示出的其实施例在附图中示出并且已经在上面进行了详细描述。然而,应理解,无意将公开内容限制为所公开的一种或更多种特定形式,而是相反,其意图是涵盖落入如所附权利要求书所定义的本公开内容的精神和范围内的所有修改、替代构造和等同物。
除非另有说明或显然与上下文矛盾,否则在描述所公开的实施例的上下文中(特别是在所附权利要求的上下文中),术语“一”和“一个”和“该”以及类似指代的使用应被解释为涵盖单数和复数,而不是作为术语的定义。除非另有说明,否则术语“包括”、“具有”、“包含”和“含有”应被解释为开放式术语(意味着“包括但不限于”)。术语“连接”(在未经修改时指的是物理连接)应解释为部分或全部包含在内、附接到或连接在一起,即使有某些介入。除非本文另外指出,否则本文中对数值范围的引用仅旨在用作分别指代落入该范围内的每个单独值的简写方法,并且每个单独值都被并入说明书中,就如同其在本文中被单独叙述一样。除非另外指出或与上下文矛盾,否则术语“集”(例如“项目集”)或“子集”的使用应解释为包括一个或更多个成员的非空集合。此外,除非另外指出或与上下文矛盾,否则术语相应集的“子集”不一定表示对应集的适当子集,而是子集和对应集可以相等。
除非以其他方式明确指出或与上下文明显矛盾,否则诸如“A,B和C中的至少一个”或“A,B与C中的至少一个”形式的短语之类的连接语在上下文中理解为通常用来表示项目、条款等,其可以是A或B或C,也可以是A和B和C集的任何非空子集。例如,在具有三个成员的集的说明性示例中,连接短语“A,B和C中的至少一个”和“A,B与C中的至少一个”是指以下任意集:{A},{B},{C},{A,B},{A,C},{B,C},{A,B,C}。因此,这种连接语言通常不旨在暗示某些实施例要求存在A中的至少一个,B中的至少一个和C中的至少一个。另外,除非另有说明或与上下文矛盾,否则术语“多个”表示复数的状态(例如,“多个项目”表示多个项目)。多个项目中项目的数量至少为两个,但如果明确指示或通过上下文指示,则可以更多。此外,除非另有说明或从上下文中可以清楚得知,否则短语“基于”是指“至少部分地基于”而不是“仅基于”。
除非本文另外指出或与上下文明显矛盾,否则本文描述的过程的操作可以任何合适的顺序执行。在至少一个实施例中,诸如本文所述的那些过程(或其变形和/或其组合)之类的过程在配置有可执行指令的一个或更多个计算机系统的控制下执行,并且被实现为代码(例如,可执行指令,一个或更多个计算机程序或一个或更多个应用程序),该代码通过硬件或其组合在一个或更多个处理器上共同执行。在至少一个实施例中,代码以例如计算机程序的形式存储在计算机可读存储介质上,该计算机程序包括可由一个或更多个处理器执行的多个指令。在至少一个实施例中,计算机可读存储介质是非暂时性计算机可读存储介质,其排除了暂时性信号(例如,传播的瞬态电或电磁传输),但包括非暂时性数据存储电路(例如,缓冲区、高速缓存和队列)。在至少一个实施例中,代码(例如,可执行代码或源代码)被存储在其上存储有可执行指令的一组一个或更多个非暂时性计算机可读存储介质(或用于存储可执行指令的其他存储器)上,该可执行指令在由计算机系统的一个或更多个处理器执行时(例如,作为被执行的结果),使得计算机系统执行本文所述的操作。在至少一个实施例中,一组非暂时性计算机可读存储介质包括多个非暂时性计算机可读存储介质,并且多个非暂时性计算机可读存储介质中的个体非暂时性存储介质中的一个或更多个缺少全部代码,而是多个非暂时性计算机可读存储介质共同存储全部代码。在至少一个实施例中,可执行指令被执行,以使得不同的指令由不同的处理器执行,例如,非暂时性计算机可读存储介质存储指令,并且主中央处理单元(“CPU”)执行一些指令,而图形处理单元(“GPU”)执行其他指令。在至少一个实施例中,计算机系统的不同组件具有单独的处理器,并且不同的处理器执行指令的不同子集。
因此,在至少一个实施例中,计算机系统被配置为实现单独地或共同地执行本文所述的过程的操作的一个或更多个服务,并且这样的计算机系统被配置有使能实施操作的适用的硬件和/或软件。此外,实现本公开的至少一个实施例的计算机系统是单个设备,并且在另一实施例中是分布式计算机系统,其包括以不同方式操作的多个设备,使得分布式计算机系统执行本文所述的操作,并且使得单个设备不执行所有操作。
本文提供的任何和所有示例或示例性语言(例如,“诸如”)的使用仅旨在更好地阐明本公开的实施例,并且不对公开的范围构成限制,除非另有要求。说明书中的任何语言都不应被解释为表示任何未要求保护的要素对于实践公开内容是必不可少的。
本文引用的所有参考文献,包括出版物、专利申请和专利,均通过引用并入本文,其程度就如同每个参考文献被单独且具体地指示为以引用的方式并入本文并且其全部内容在本文中阐述一样。
在说明书和权利要求中,可以使用术语“耦合”和“连接”以及它们的派生词。应当理解,这些术语可能不旨在作为彼此的同义词。相反,在特定示例中,“连接”或“耦合”可用于指示两个或更多个元件彼此直接或间接物理或电接触。“耦合”也可能意味着两个或更多个元素彼此不直接接触,但仍彼此协作或交互。
除非另有明确说明,否则可以理解,在整个说明书中,诸如“处理”、“计算”、“计算”、“确定”等之类的术语,是指计算机或计算系统或类似的电子计算设备的动作和/或过程,其将计算系统的寄存器和/或存储器中表示为物理量(例如电子)的数据处理和/或转换为类似表示为计算系统的存储器、寄存器或其他此类信息存储、传输或显示设备中的物理量的其他数据。
以类似的方式,术语“处理器”可以指处理来自寄存器和/或存储器的电子数据并将该电子数据转换成可以存储在寄存器和/或存储器中的其他电子数据的任何设备或存储器的一部分。作为非限制性示例,“处理器”可以是CPU或GPU。“计算平台”可以包括一个或更多个处理器。如本文所使用的,“软件”进程可以包括例如随时间执行工作的软件和/或硬件实体,诸如任务、线程和智能代理。同样,每个过程可以指代多个过程,以连续地或间歇地顺序地或并行地执行指令。术语“系统”和“方法”在本文中可以互换使用,只要系统可以体现一种或更多种方法,并且方法可以被认为是系统。
在至少一个实施例中,算术逻辑单元是采用一个或更多个输入来产生结果的一组组合逻辑电路。在至少一个实施例中,处理器使用算术逻辑单元来实现数学运算,诸如加法、减法或乘法。在至少一个实施例中,算术逻辑单元用于实现逻辑运算,诸如逻辑AND/OR或XOR。在至少一个实施例中,算术逻辑单元是无状态的,并且由被布置为形成逻辑门的物理开关组件(诸如半导体晶体管)制成。在至少一个实施例中,算术逻辑单元可以在内部操作为具有相关联的时钟的有状态逻辑电路。在至少一个实施例中,算术逻辑单元可构造为具有未维持在相关联的寄存器组中的内部状态的异步逻辑电路。在至少一个实施例中,算术逻辑单元由处理器使用以组合被存储在处理器的一个或更多个寄存器中的操作数,并产生可以被处理器存储在另一寄存器或存储器位置中的输出。
在至少一个实施例中,作为处理由该处理器检索的指令的结果,该处理器向算术逻辑单元呈现一个或更多个输入或操作数,从而使该算术逻辑单元至少部分地基于被提供给该算术逻辑单元的输入的指令代码来产生结果。在至少一个实施例中,由处理器提供给ALU的指令代码至少部分地基于由处理器执行的指令。在至少一个实施例中,ALU中的组合逻辑处理该输入并产生输出,该输出被放置在处理器内的总线上。在至少一个实施例中,处理器选择输出总线上的目的地寄存器、存储器位置、输出设备或输出存储位置,使得对处理器进行时钟控制致使将ALU产生的结果发送到所需位置。
在本文件中,可以参考获得、获取、接收或将模拟或数字数据输入子系统、计算机系统或计算机实现的机器中。可以通过多种方式来完成获得、获取、接收或输入模拟和数字数据的过程,例如通过接收作为函数调用或对应用程序编程接口的调用的参数的数据。在一些实现方式中,可以通过经由串行或并行接口传输数据来完成获得、获取、接收或输入模拟或数字数据的过程。在另一实现方式中,可以通过经由计算机网络将数据从提供实体传输到获取实体来完成获得、获取、接收或输入模拟或数字数据的过程。也可以参考提供、输出、传送、发送或呈现模拟或数字数据。在各种示例中,提供、输出、传送、发送或呈现模拟或数字数据的过程可以通过将数据作为函数调用的输入或输出参数、应用程序编程接口或进程间通信机制的参数进行传输来实现。
尽管上面的讨论阐述了所描述的技术的示例实现,但是其他架构可以用于实现所描述的功能,并且旨在落入本公开的范围内。此外,尽管出于讨论的目的在上面定义了具体的职责分配,但是根据情况,可以以不同的方式分配和划分各种功能和职责。
此外,尽管已经用特定于结构特征和/或方法动作的语言描述了主题,但是应当理解,所附权利要求书所要求保护的主题不必限于所描述的特定特征或动作。而是,公开了特定的特征和动作作为实现权利要求的示例性形式。
Claims (64)
1.一种处理器,包括:
一个或更多个电路,用于执行应用编程接口API,以生成用于解分配内存的一个或更多个图形代码节点。
2.根据权利要求1所述的处理器,其中所述一个或更多个电路进一步用于作为代码的执行的部分执行所述API,所述代码至少指示用于解分配所述内存的所述一个或更多个图形代码节点的生成。
3.根据权利要求1所述的处理器,其中所述一个或更多个电路进一步用于生成作为图形数据结构的部分的所述一个或更多个图形代码节点。
4.根据权利要求1所述的处理器,其中所述一个或更多个电路进一步用于使设备使用所述内存来执行由一个或更多个图形数据结构指示的一组操作。
5.根据权利要求1所述的处理器,其中所述一个或更多个电路进一步用于使图形处理单元GPU使用所述一个或更多个图形代码节点来解分配所述内存。
6.根据权利要求1所述的处理器,其中所述一个或更多个图形代码节点对要解分配的所述内存的属性进行编码。
7.根据权利要求1所述的处理器,其中一个或更多个电路进一步用于至少部分地基于至少指示要解分配的所述内存的地址的一个或更多个参数值来执行所述API。
8.一种系统,包括:
一个或更多个计算机,其具有一个或更多个处理器,所述一个或更多个处理器用于执行应用编程接口API,以生成用于解分配内存的一个或更多个图形代码节点。
9.根据权利要求8所述的系统,其中所述一个或更多个处理器进一步用于使一个或更多个设备使用所述内存来执行一个或更多个操作。
10.根据权利要求8所述的系统,其中所述一个或更多个处理器进一步用于使并行处理单元PPU使用所述一个或更多个图形代码节点来解分配所述内存。
11.根据权利要求8所述的系统,其中所述一个或更多个处理器进一步用于至少部分地基于至少指示图形数据结构的一组参数值来执行所述API,以生成所述一个或更多个图形代码节点。
12.根据权利要求8所述的系统,其中所述API是运行时API。
13.根据权利要求8所述的系统,其中所述一个或更多个处理器进一步用于使一个或更多个设备至少部分地基于图形数据结构的一个或更多个其他图形代码节点部分来分配所述内存。
14.一种机器可读介质,具有存储在其上的指令集,所述指令集如果由一个或更多个处理器执行,使所述一个或更多个处理器至少:
执行应用编程接口API,以生成用于解分配内存的一个或更多个图形代码节点。
15.根据权利要求14所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,使所述一个或更多个处理器至少部分地基于代码中指示的所述API的参数值来执行所述API。
16.根据权利要求14所述的机器可读介质,其中所述一个或更多个图形代码节点对与内存解分配相关联的数据进行编码,并且进一步其中所述数据是至少部分地基于一个或更多个参数值计算的。
17.根据权利要求14所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,使所述一个或更多个处理器:
获得图形数据结构;以及
生成作为所述图形数据结构的部分的所述一个或更多个图形代码节点。
18.根据权利要求14所述的机器可读介质,其中所述API是驱动器API。
19.根据权利要求14所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,使所述一个或更多个处理器:
获得指示一个或更多个操作的第一图形数据结构;
使一个或更多个设备利用所述内存来执行所述一个或更多个操作;以及
使所述一个或更多个设备使用所述一个或更多个图形代码节点来解分配所述内存。
20.根据权利要求14所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,使所述一个或更多个处理器:使通用图形处理单元GPGPU至少部分地基于包括所述一个或更多个图形代码节点的图形数据结构来解分配所述内存。
21.一种处理器,包括:
一个或更多个电路,用于执行应用编程接口API,以生成用于分配和解分配内存的一个或更多个图形代码节点。
22.根据权利要求21所述的处理器,其中所述一个或更多个电路进一步用于:
生成作为图形数据结构的部分的第一图形代码节点;以及
生成作为所述图形数据结构的部分的第二图形代码节点。
23.根据权利要求21所述的处理器,其中所述一个或更多个电路进一步用于:
使一个或更多个设备使用所述一个或更多个图形代码节点中的第一图形代码节点来分配所述内存;以及
使所述一个或更多个设备使用所述一个或更多个图形代码节点中的第二图形代码节点来解分配所述内存。
24.根据权利要求21所述的处理器,其中所述一个或更多个电路进一步用于至少部分地基于在代码中指示的参数值来执行所述API。
25.根据权利要求21所述的处理器,其中用于所述API的参数值包括要分配和解分配的所述内存的属性。
26.根据权利要求21所述的处理器,其中所述一个或更多个电路进一步用于使设备至少部分地基于所识别的内存位置来解分配所述内存。
27.一种机器可读介质,具有存储在其上的指令集,所述指令集如果由一个或更多个处理器执行,使所述一个或更多个处理器至少:
执行应用编程接口API,以生成用于分配和解分配内存的一个或更多个图形代码节点。
28.根据权利要求27所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,使所述一个或更多个处理器执行代码以执行所述API,以生成用于分配和解分配所述内存的所述一个或更多个图形代码节点,其中所述一个或更多个图形代码节点中的第一节点是第一图形数据结构的部分,并且所述一个或更多个图形代码节点中的第二节点是第二图形数据结构的部分。
29.根据权利要求27所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,使所述一个或更多个处理器:
使一个或更多个设备使用第一图形数据结构来分配所述内存;以及
使所述一个或更多个设备使用第二图形数据结构来解分配所述内存。
30.根据权利要求27所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:使中央处理单元CPU使用所述一个或更多个图形代码节点来分配和解分配所述内存。
31.根据权利要求27所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,使所述一个或更多个处理器执行另一API,以使一个或更多个设备使用所述内存来执行一个或更多个操作。
32.根据权利要求27所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,使所述一个或更多个处理器至少通过生成对关于分配和解分配所述内存的信息进行编码的一个或更多个数据对象来生成所述一个或更多个图形代码节点。
33.一种处理器,包括:
一个或更多个电路,用于执行应用编程接口API,以生成用于分配内存的一个或更多个图形代码节点。
34.根据权利要求33所述的处理器,其中所述一个或更多个电路进一步用于:
获得至少指示所述API的代码;以及
至少通过执行所述代码来执行所述API。
35.根据权利要求33所述的处理器,其中所述一个或更多个电路进一步用于:
生成图形数据结构;以及
生成作为所述图形数据结构的部分的所述一个或更多个图形代码节点。
36.根据权利要求33所述的处理器,其中所述一个或更多个电路进一步用于至少部分地基于至少指示要分配的所述内存的属性的一个或更多个参数值来执行所述API。
37.根据权利要求33所述的处理器,其中用于分配所述内存的所述一个或更多个图形代码节点与用于解分配所述内存的一组图形代码节点相对应。
38.根据权利要求33所述的处理器,其中所述一个或更多个电路进一步用于使图形处理单元GPU至少部分地基于所述一个或更多个图形代码节点来分配所述内存。
39.根据权利要求33所述的处理器,其中所述一个或更多个电路进一步用于使一个或更多个设备使用所述内存来执行一个或更多个操作。
40.一种系统,包括:
一个或更多个计算机,其具有一个或更多个处理器,所述一个或更多个处理器用于执行应用编程接口(API),以生成用于分配内存的一个或更多个图形代码节点。
41.根据权利要求40所述的系统,其中所述一个或更多个处理器进一步用于至少部分地基于至少指示要分配的所述内存的大小的一组参数值来执行所述API。
42.根据权利要求40所述的系统,其中所述一个或更多个处理器进一步用于使并行处理单元PPU使用所述一个或更多个图形代码节点来分配所述内存。
43.根据权利要求40所述的系统,其中所述一个或更多个图形代码节点对所分配的内存的属性进行编码。
44.根据权利要求40所述的系统,其中所述一个或更多个处理器进一步用于:
获得指示一个或更多个操作的图形数据结构;以及
使一个或更多个设备使用所述图形数据结构来使用所分配的内存执行所述一个或更多个操作。
45.根据权利要求40所述的系统,其中所述API是运行时API。
46.一种机器可读介质,具有存储在其上的指令集,所述指令集如果由一个或更多个处理器执行,则使所述一个或更多个处理器至少:
执行应用编程接口(API),以生成用于分配内存的一个或更多个图形代码节点。
47.根据权利要求46所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器生成作为图形数据结构的部分的一个或更多个图形代码节点。
48.根据权利要求46所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器获得包括用于所述API的参数值的代码。
49.根据权利要求46所述的机器可读介质,其中所述一个或更多个图形代码节点是对关于内存分配的信息进行编码的数据对象,并且进一步地,其中所述信息至少部分地基于一个或更多个参数值来计算。
50.根据权利要求46所述的机器可读介质,其中所述API是驱动器API。
51.根据权利要求46所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:
生成作为第一图形数据结构的部分的所述一个或更多个图形代码节点;
使所述内存至少部分地基于所述一个或更多个图形代码节点来被分配;
获得指示一个或更多个操作的第二图形数据结构;以及
使一个或更多个设备利用所分配的内存来执行所述一个或更多个操作。
52.根据权利要求46所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:使通用图形处理单元GPGPU使用所述一个或更多个图形代码节点来分配所述内存。
53.一种处理器,包括:
一个或更多个电路,用于执行应用编程接口API,以生成用于分配和解分配内存的一个或更多个图形代码节点。
54.根据权利要求53所述的处理器,其中所述一个或更多个电路进一步用于:
生成用于分配所述内存的第一图形代码节点;以及
生成用于解分配所述内存的第二图形代码节点。
55.根据权利要求53所述的处理器,其中所述一个或更多个图形代码节点是第一图形数据结构的部分。
56.根据权利要求53所述的处理器,其中所述一个或更多个电路进一步用于使设备至少部分地基于所识别的内存区域来分配所述内存。
57.根据权利要求53所述的处理器,其中所述一个或更多个电路进一步用于至少部分地基于指示用于分配和解分配所述内存的约束的参数值来执行所述API。
58.根据权利要求53所述的处理器,其中所述一个或更多个电路进一步用于使一个或更多个设备使用所述内存来执行一组操作。
59.一种机器可读介质,具有存储在其上的指令集,所述指令集如果由一个或更多个处理器执行,则使所述一个或更多个处理器至少:
执行应用编程接口API,以生成用于分配和解分配内存的一个或更多个图形代码节点。
60.根据权利要求59所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:
获得至少指示所述API的代码,以生成用于分配和解分配所述内存的所述一个或更多个图形代码节点;以及
执行所述代码以执行所述API,以生成用于分配和解分配所述内存的所述一个或更多个图形代码节点,其中所述一个或更多个图形代码节点包括用于分配内存的第一节点和用于解分配内存的第二节点。
61.根据权利要求59所述的机器可读介质,其中所述一个或更多个图形代码节点中的第一节点是第一图形数据结构的部分,并且所述一个或更多个图形代码节点中的第二节点是第二图形数据结构的部分。
62.根据权利要求59所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:使中央处理单元CPU使用所述一个或更多个图形代码节点来分配和解分配所述内存。
63.根据权利要求59所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:
计算第一组操作;以及
使一个或更多个设备使用所述内存来执行所述第一组操作。
64.根据权利要求59所述的机器可读介质,其中所述指令集还包括指令,所述指令如果由所述一个或更多个处理器执行,则使所述一个或更多个处理器:使一个或更多个设备执行由包括所述一个或更多个图形代码节点中的至少一个的图形数据结构指示的一个或更多个操作。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163214205P | 2021-06-23 | 2021-06-23 | |
US63/214,205 | 2021-06-23 | ||
US17/525,647 | 2021-11-12 | ||
US17/525,636 | 2021-11-12 | ||
US17/525,647 US20230005097A1 (en) | 2021-06-23 | 2021-11-12 | Memory deallocation using graphs |
US17/525,636 US20230005096A1 (en) | 2021-06-23 | 2021-11-12 | Memory allocation using graphs |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115509736A true CN115509736A (zh) | 2022-12-23 |
Family
ID=82496452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210655993.0A Pending CN115509736A (zh) | 2021-06-23 | 2022-06-10 | 使用图形的内存分配或解分配 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN115509736A (zh) |
DE (1) | DE102022114509A1 (zh) |
GB (1) | GB2612160A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116137016A (zh) * | 2023-04-18 | 2023-05-19 | 北京麟卓信息科技有限公司 | 一种基于特化纹理队列的显存优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210149734A1 (en) * | 2019-11-15 | 2021-05-20 | Nvidia Corporation | Techniques for modifying an executable graph to perform a workload associated with a new task graph |
-
2022
- 2022-06-09 DE DE102022114509.3A patent/DE102022114509A1/de active Pending
- 2022-06-10 CN CN202210655993.0A patent/CN115509736A/zh active Pending
- 2022-06-15 GB GB2208818.1A patent/GB2612160A/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116137016A (zh) * | 2023-04-18 | 2023-05-19 | 北京麟卓信息科技有限公司 | 一种基于特化纹理队列的显存优化方法 |
CN116137016B (zh) * | 2023-04-18 | 2023-06-16 | 北京麟卓信息科技有限公司 | 一种基于特化纹理队列的显存优化方法 |
Also Published As
Publication number | Publication date |
---|---|
GB2612160A (en) | 2023-04-26 |
GB202208818D0 (en) | 2022-07-27 |
DE102022114509A1 (de) | 2022-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113256475A (zh) | 图计算优化 | |
CN113377524A (zh) | 协作并行存储器分配 | |
CN117136354A (zh) | 多架构执行图 | |
CN118119924A (zh) | 用于利用可重用线程执行操作的应用程序编程接口 | |
CN115509736A (zh) | 使用图形的内存分配或解分配 | |
CN116401039A (zh) | 异步的存储器解除分配 | |
CN117222984A (zh) | 用于取消关联虚拟地址的应用程序编程接口 | |
CN116225676A (zh) | 用于限制存储器的应用程序编程接口 | |
CN116243921A (zh) | 用于修改图代码的技术 | |
CN115878312A (zh) | 用户可配置的存储器分配 | |
CN117178261A (zh) | 使图代码更新信号量的应用程序编程接口 | |
CN116257353A (zh) | 用于互操作性的应用编程接口 | |
CN116257354A (zh) | 用于互操作性的应用编程接口 | |
CN116724292A (zh) | 线程组的并行处理 | |
CN116802613A (zh) | 同步图形执行 | |
CN116097224A (zh) | 同时启动代码 | |
CN115018718A (zh) | 用于高动态范围成像应用的使用色调增益函数的色调管理 | |
US20230005097A1 (en) | Memory deallocation using graphs | |
US20230005096A1 (en) | Memory allocation using graphs | |
JP2024514371A (ja) | 不完全なグラフ・コードの位置を特定するためのアプリケーション・プログラミング・インターフェース | |
JP2024514370A (ja) | リソース使用量を監視するためのアプリケーション・プログラミング・インターフェース | |
CN118043786A (zh) | 多传递性能剖析 | |
CN116414557A (zh) | 异步的存储器分配 | |
CN115858021A (zh) | 用于设置图形资源的应用编程接口 | |
CN116802606A (zh) | 与位置无关的数据访问 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |