我正在尝试在https://gcc.gnu.org/wiki/OpenACC#OpenACC_kernels_Construct_Optimization_Tutorial上运行OpenACC教程>
作为MSYS MINGW64软件包的一部分,编译器是g ++ 9.2 64位。
C:\ Users \ TJ \ Documents \ GpuDemo>其中g ++
C:\ msys64 \ mingw64 \ bin \ g ++。exe
C:\ Users \ TJ \ Documents \ GpuDemo> g ++ --version
g ++(Rev2,由MSYS2项目构建)9.2.0版权所有(C)2019自由软件基金会,Inc.这是免费软件;请参阅复制条件的来源。没有保证;甚至不是出于适销性或特定目的的适用性。
这是构建我的代码的命令:
g ++ -m64 -std = c ++ 17 gpudemo.cpp -o gpudemo.exe -fopenmp -fopenacc
单线程和OpenMP多线程调用工作正常。但是,OpenACC代码不会传递给GPU;它会传递给GPU。它正在CPU上运行。 GPU运行时间与单线程运行时间相同。我的计算机是带双Intel Xeon 5675处理器(每个6核)和NVidia GeForce GTX 970视频卡的Lenovo D20,运行64位Windows 7 Pro SP1。]
程序输出:
C:\ Users \ TJ \ Documents \ GpuDemo> gpudemo
乘以2000x2000矩阵。
单线程:54104.1毫秒
多线程:5036.29毫秒
GPU:54371.1毫秒
如果我设置环境变量ACC_DEVICE_TYPE = NVIDIA,则会出现错误“ libgomp:不支持NVIDIA的设备类型。”
如何获得本教程的代码以使用GPU?
// https://gcc.gnu.org/wiki/OpenACC #include <iostream> #include <chrono> #define N 2000 void matrix_multiply_single_thread (float r[N][N], const float a[N][N], const float b[N][N]) { for (int j = 0; j < N; j++) { for (int i = 0; i < N; i++) { float sum = 0; for (int k = 0; k < N ; k++) sum += a[i][k] * b[k][j]; r[i][j] = sum; } } } void matrix_multiply_multi_thread (float r[N][N], const float a[N][N], const float b[N][N]) { #pragma omp parallel for for (int j = 0; j < N; j++) { for (int i = 0; i < N; i++) { float sum = 0; for (int k = 0; k < N ; k++) sum += a[i][k] * b[k][j]; r[i][j] = sum; } } } void matrix_multiply_gpu (float r[N][N], const float a[N][N], const float b[N][N]) { #pragma acc kernels \ copy(r[0:N][0:N], a[0:N][0:N], b[0:N][0:N]) { #pragma acc loop independent for (int j = 0; j < N; j++) { #pragma acc loop independent for (int i = 0; i < N; i++) { float sum = 0; // #pragma acc loop seq #pragma acc loop independent reduction(+: sum) for (int k = 0; k < N ; k++) sum += a[i][k] * b[k][j]; r[i][j] = sum; } } } } static float a[N][N], b[N][N], r[N][N]; int main() { std::cout << "Multiply a " << N << "x" << N << " matrix.\n\n"; srand(time(0)); for (int i = 0; i < N; i++) { for (int j = 0; j < N; j++) { a[i][j] = rand(); b[i][j] = rand(); } } auto start = std::chrono::high_resolution_clock::now(); matrix_multiply_single_thread(r, a, b); auto finish = std::chrono::high_resolution_clock::now(); auto microseconds = std::chrono::duration_cast<std::chrono::microseconds>(finish - start); double milliseconds = (double)microseconds.count() / 1000; std::cout << "\nsingle thread: " << milliseconds << " milliseconds\n"; start = std::chrono::high_resolution_clock::now(); matrix_multiply_multi_thread(r, a, b); finish = std::chrono::high_resolution_clock::now(); microseconds = std::chrono::duration_cast<std::chrono::microseconds>(finish - start); milliseconds = (double)microseconds.count() / 1000; std::cout << "multi thread: " << milliseconds << " milliseconds\n"; start = std::chrono::high_resolution_clock::now(); matrix_multiply_gpu(r, a, b); finish = std::chrono::high_resolution_clock::now(); microseconds = std::chrono::duration_cast<std::chrono::microseconds>(finish - start); milliseconds = (double)microseconds.count() / 1000; std::cout << "GPU: " << milliseconds << " milliseconds\n"; return 0; }
我正在尝试在https://gcc.gnu.org/wiki/OpenACC#OpenACC_kernels_Construct_Optimization_Tutorial上运行OpenACC教程。编译器是M ++ MINGW64软件包的一部分,是g ++ 9.2 64位。 C:\ ...
感谢您对此感兴趣。我是为OpenACC支持和GPU代码卸载功能向GCC贡献力量的团队的一员,我们仍在努力之中。
[您正在使用的编译器尚未构建为支持GPU代码卸载-如您遇到的错误消息“ libgomp:不支持NVIDIA的设备类型”所指示。