使用带有 nvcc 的 -G 标志编译为 cubin 后，Cublas 无法在内核中工作

Posted 2023-02-16

【中文标题】使用带有 nvcc 的 -G 标志编译为 cubin 后，Cublas 无法在内核中工作

【英文标题】：Cublas not working within kernel once compiled to cubin using -G flag with nvcc

【发布时间】：2015-08-19 09:50:15

【问题描述】：

我有一个如下所示的 CUDA 内核：

#include <cublas_v2.h>
#include <math_constants.h>
#include <stdio.h>


extern "C" 

    __device__ float ONE = 1.0f;
    __device__ float M_ONE = -1.0f;
    __device__ float ZERO = 0.0f;

    __global__ void kernel(float *W, float *input, int i, float *output, int o) 
        int idx = blockIdx.x*blockDim.x+threadIdx.x;
        cublasHandle_t cnpHandle;

        if(idx == 0) 
            cublasCreate(&cnpHandle);
            cublasStatus_t s = cublasSgemv(cnpHandle, CUBLAS_OP_N, o, i, &ONE, W, o, input, 1, &ZERO, output, 1);
            printf("status %d\n", s);
            cudaError_t e = cudaDeviceSynchronize();
            printf("sync %d\n", e);
        

    

主机代码：

#include <iostream>
#include <numeric>
#include <stdlib.h>
#include <cstring>
#include <cuda_runtime.h>
#include <cuda.h>
#include <cublas_v2.h>

extern "C" 
    __global__ void kernel(float *W, float *input, int i, float *output, int o);


#define gpuErrchk(ans)  gpuAssert((ans), __FILE__, __LINE__); 
inline void gpuAssert(cudaError_t code, const char *file, int line, bool abort=true)

   if (code != cudaSuccess)
   
      fprintf(stderr,"GPUassert: %s %s %d\n", cudaGetErrorString(code), file, line);
      if (abort) exit(code);
   


int main(int argc, char* argv[])


    cuInit(0);
    CUcontext pctx;
    CUdevice dev;
    cuDeviceGet(&dev, 0);
    cuCtxCreate(&pctx, 0, dev);

    CUmodule module;
    CUresult t = cuModuleLoad(&module, "pathto/src/minimalKernel.cubin");

    CUfunction function;
    CUresult r = cuModuleGetFunction(&function, module, "kernel");

    float *W = new float[2];
    W[0] = 0.1f;
    W[1] = 0.1f;
    float *input = new float[2];
    input[0] = 0.1f;
    input[1] = 0.1f;
    float *out = new float[1];
    out[0] = 0.0f;

    int i = 2;
    int o = 1;

    float *d_W;
    float *d_input;
    float *d_out;
    cudaMalloc((void**)&d_W, 2*sizeof(float));
    cudaMalloc((void**)&d_input, 2*sizeof(float));
    cudaMalloc((void**)&d_out, sizeof(float));
    cudaMemcpy(d_W, W, 2*sizeof(float), cudaMemcpyHostToDevice);
    cudaMemcpy(d_input, input, 2*sizeof(float), cudaMemcpyHostToDevice);
    cudaMemcpy(d_out, out, sizeof(float), cudaMemcpyHostToDevice);
    //kernel<<<1, 2>>>(d_W, d_input, i, d_out, o);

    //cudaMemcpy(out, d_out, sizeof(float), cudaMemcpyDeviceToHost);

    //std::cout<<"out:"<<out[0]<<std::endl;

    void * kernelParams[]  &d_W, &d_input, &i, &d_out, &o ;

    CUresult k = cuLaunchKernel(function, 1, 1, 1, 2, 1, 1, 0, 0, (void**)kernelParams, 0);
    gpuErrchk( cudaPeekAtLastError() );
    gpuErrchk( cudaDeviceSynchronize() );
    cudaMemcpy(out, d_out, sizeof(float), cudaMemcpyDeviceToHost);

    std::cout<<"out:"<<out[0]<<std::endl;

当这个内核运行内联kernel<<<1,2>>>()，构建和链接（在eclipse Nsight中），内核运行完全正常并且out返回0.02 正如预期的那样。

如果我使用-G（生成设备调试符号）将内核编译成 .cubin，cublas 函数永远不会运行，out 始终是0.0

我可以在 .cubin 运行时设置断点，我可以看到进入 cublas 函数的数据是正确的，但看起来 cublas 函数根本不会运行。 cublas 函数也总是返回 0 CUDA_SUCCESS。重要的是，这仅在从 .cubin 运行时才会发生

要编译成我正在使用 -G 的 cubin：

nvcc -G -cubin -arch=sm_52 --device-c kernel.cu -o kernel.cubin -dlink -lcudadevrt -lcublas_device

不返回错误。

如果添加了-G 选项，为什么.cubin 中的cublas 函数会停止工作？

CUDA 7.0 linux 14.04 x64 980GTX

【问题讨论】：

提供一个 MCVE，包括你用来加载和调用内核的代码。

已在上面编辑以提供 MCVE

【参考方案1】：

FWIW，无论是否使用 -G 开关，您的代码都无法正确运行。您可以使用cuda-memcheck 运行代码以帮助识别错误。 （您似乎没有在您的主机代码或设备代码中执行proper CUDA error checking。通过动态并行，您可以在设备代码中使用类似的方法。CUBLAS API 调用返回您没有的错误代码似乎正在检查。）

这是错误的：

    if(idx == 0) 
        cublasCreate(&cnpHandle);
    

这是一个线程局部变量：

cublasHandle_t cnpHandle;

由于您正在启动一个具有 2 个线程的内核：

CUresult k = cuLaunchKernel(function, 1, 1, 1, 2, 1, 1, 0, 0, (void**)kernelParams, 0);

您的一个线程 (0) 正在将 有效 句柄传递给 cublasSgemv 调用，而另一个线程 (1) 没有。

当我修复该错误时，您的代码对我“有效”。请注意，您仍然存在将 exact same 参数传递给两个线程中的每个线程的 cublasSgemv 调用的情况。因此，每个调用都写入相同的输出位置。由于在这种情况下未指定线程执行/行为的顺序，因此您可能会看到相当多变的行为：即使其他 cublas通话失败。我想-G 开关可能会影响此排序，或以某种方式影响此行为。

$ cat t889_kern.cu
#include <cublas_v2.h>
#include <math_constants.h>
#include <stdio.h>


extern "C" 

    __device__ float ONE = 1.0f;
    __device__ float M_ONE = -1.0f;
    __device__ float ZERO = 0.0f;

    __global__ void kernel(float *W, float *input, int i, float *output, int o) 
//        int idx = blockIdx.x*blockDim.x+threadIdx.x;
        cublasHandle_t cnpHandle;

        cublasCreate(&cnpHandle);

        cublasSgemv(cnpHandle, CUBLAS_OP_N, o, i, &ONE, W, o, input, 1, &ZERO, output, 1);
        cudaDeviceSynchronize();
    


$ cat t889.cpp
#include <iostream>
#include <numeric>
#include <stdlib.h>
#include <cstring>
#include <cuda_runtime.h>
#include <cuda.h>
#include <cublas_v2.h>

extern "C" 
    __global__ void kernel(float *W, float *input, int i, float *output, int o);


int main(int argc, char* argv[])


    cuInit(0);
    CUcontext pctx;
    CUdevice dev;
    cuDeviceGet(&dev, 0);
    cuCtxCreate(&pctx, 0, dev);

    CUmodule module;
    CUresult t = cuModuleLoad(&module, "kernel.cubin");

    CUfunction function;
    CUresult r = cuModuleGetFunction(&function, module, "kernel");

    float *W = new float[2];
    W[0] = 0.1f;
    W[1] = 0.1f;
    float *input = new float[2];
    input[0] = 0.1f;
    input[1] = 0.1f;
    float *out = new float[1];
    out[0] = 0.0f;

    int i = 2;
    int o = 1;

    float *d_W;
    float *d_input;
    float *d_out;
    cudaMalloc((void**)&d_W, 2*sizeof(float));
    cudaMalloc((void**)&d_input, 2*sizeof(float));
    cudaMalloc((void**)&d_out, sizeof(float));
    cudaMemcpy(d_W, W, 2*sizeof(float), cudaMemcpyHostToDevice);
    cudaMemcpy(d_input, input, 2*sizeof(float), cudaMemcpyHostToDevice);
    cudaMemcpy(d_out, out, sizeof(float), cudaMemcpyHostToDevice);
    //kernel<<<1, 2>>>(d_W, d_input, i, d_out, o);

    //cudaMemcpy(out, d_out, sizeof(float), cudaMemcpyDeviceToHost);

    //std::cout<<"out:"<<out[0]<<std::endl;

    void * kernelParams[]  &d_W, &d_input, &i, &d_out, &o ;

    CUresult k = cuLaunchKernel(function, 1, 1, 1, 2, 1, 1, 0, 0, (void**)kernelParams, 0);

    cudaMemcpy(out, d_out, sizeof(float), cudaMemcpyDeviceToHost);

    std::cout<<"out:"<<out[0]<<std::endl;



$ nvcc -cubin -arch=sm_35 --device-c t889_kern.cu -o kernel.cubin -dlink -lcudadevrt -lcublas_device
ptxas info    : 'device-function-maxrregcount' is a BETA feature
$ g++ -std=c++11 -I/usr/local/cuda/include t889.cpp -o t889 -L/usr/local/cuda/lib64 -lcuda -lcudart
$ CUDA_VISIBLE_DEVICES="1" cuda-memcheck ./t889
========= CUDA-MEMCHECK
out:0.02
========= ERROR SUMMARY: 0 errors
$

【讨论】：

我稍微修改了我的代码，只在第 0 个线程中运行 cublas。运行 cuda-memcheck 我得到这个： cuda-memcheck ./example ========= CUDA-MEMCHECK out:0 ========= 错误摘要：0 错误所以这仍然不起作用我..有什么想法吗？

没有。你修改后的代码对我来说可以正常工作（它显示out:0.02），有或没有cuda-memcheck，有或没有-G。您使用的是哪个 CUDA 版本？你是在windows还是linux上运行？什么显卡？您可能需要添加一些代码来检查内核中 cublas 调用的返回值。

我刚刚完成并在此处编辑了代码，就我所见，代码还可以...运行 ubuntu 14.04、cuda toolkit 7.0 和 980gtx。 nvidia-346 驱动程序。我没有将它用作我的显示设备（如果这有什么不同的话）

一点更新，我用一个非常基本的cublasSdot 替换了cublasSgemv，它似乎根本没有问题。使用-G 运行良好而不是