tensor core的缺点

Posted 2023-03-23

参考技术A 加速效果不好
做深度学习tensor core加速效果没那么好。
tensor core，深度神经网络训练传统上依赖IEEE单精度格式，但在混合精度的情况下，可以训练半精度，同时保持单精度网络的精度。这种同时使用单精度和半精度表示的技术称为混合精度技术。

如何通过 Vulkan 使用 Nvidia Tensor Cores

【中文标题】如何通过 Vulkan 使用 Nvidia Tensor Cores

【英文标题】：How to use Nvidia's Tensor Cores via Vulkan

【发布时间】：2019-06-16 21:44:50

【问题描述】：

如何使用 Vulkan 来利用 Nvidia 的张量核心（在计算着色器中？！）？

Nvidia Programming Tensor Cores in CUDA 9 有这篇文章，但这显然是针对 CUDA。我对 CUDA 不太熟悉，但看起来必须采取一些措施来启用 Tensor 核心上的计算，例如必须将算法设置为某种特殊类型，并且必须将某些数学类型设置为值 CUDNN_TENSOR_OP_MATH。我想知道，是否也可以从其他 API 使用 Tensor 核心加速，我对 Vulkan 特别感兴趣。

更具体地说，我想深入研究用于降噪的过滤器。据我了解，过滤器主要需要 Tensor 核心能够加速的数学运算，即矩阵乘法和累加运算。

【问题讨论】：

实际上，NVIDIA 是应该回答这个问题的。我们没有必要推测。 IMO 提出这个问题的最佳地点是github.com/KhronosGroup/Vulkan-Ecosystem/issues。 github.com/KhronosGroup/Vulkan-Docs/issues/686 有一些切题的讨论，但我建议不要进一步污染该问题。

【参考方案1】：

Nvidia 最近添加了一些新的扩展，其中之一是 VK_NV_COOPERATIVE_MATRIX，这将允许在 Vulkan 中使用张量核心。

glslang 处理这个新功能的能力我相信是昨天添加的，这就是为什么你直到现在才看到这个(see here)：

这里有一些使用它的例子：

https://github.com/KhronosGroup/glslang/blob/4605e2ed2b2b1acbe157d365c3c528367b8b168f/Test/spv.coopmat.comp

https://github.com/KhronosGroup/glslang/blob/4605e2ed2b2b1acbe157d365c3c528367b8b168f/Test/spv.1.3.coopmat.comp

#version 450 core
#extension GL_KHR_memory_scope_semantics : enable
#extension GL_NV_cooperative_matrix : enable
#extension GL_EXT_shader_explicit_arithmetic_types_float16 : enable

#pragma use_variable_pointers

layout (local_size_x = 64, local_size_y = 1, local_size_z = 1) in;

layout(set = 0, binding = 0) coherent buffer Block 
    float y[1024*1024];
    float x[];
 block;


void main()

    fcoopmatNV<32, gl_ScopeSubgroup, 16, 8> m = fcoopmatNV<32, gl_ScopeSubgroup, 16, 8>(0.0);

    m = m + m;
    m = m - m;
    m = -m;
    m = 2.0*m;
    m = m*2.0;

    coopMatLoadNV(m, block.x, 16, 128, false);
    coopMatStoreNV(m, block.x, 16, 128, false);

这似乎与它在 CUDA 中的完成方式非常相似，需要将显式内存传输到张量核心可以运行的内存。

所以要使用它们，你需要 vulkan 中的 VK_NV_COOPERATIVE_MATRIX 和 glsl 中的 GL_NV_COOPERATIVE_MATRIX。

编辑：

j00hi 提到现在有一​​个nvidia blog post 来介绍如何使用这些张量核心。

【讨论】：

英伟达发表了一篇题为“Machine Learning Acceleration in Vulkan with Cooperative Matrices”的博客文章，所以是的，这似乎是要走的路。感谢您提供信息和链接！

【参考方案2】：

张量核心是一个小众功能，可能不会使其成为 Vulkan 扩展。 您仍然可以使用 CUDA 进行张量核心加速计算，并在 CUDA 和 Vulkan 上下文之间共享数据。

查看此示例：cuda vulkan interop

请注意，由于在启动 CUDA 内核和使用 Vulkan 端的结果之间需要同步，因此性能可能会受到影响。您必须评估申请中的成本。

【讨论】：

Nvidia 已经通过 SPIR-V 和 Vulkan 添加了支持，所以这是完全错误的khronos.org/registry/vulkan/specs/1.1-extensions/html/…