Técnicas de Otimização de Código para Placas de ... - UFMG

um valor verdadeiro em %p se todas as threads no warp encontrarem
o mesmo valor para o predicado q. Assim, votam
as threads com respeito ao predicado usado no desvio condicional.
Se todas as threads no warp enxergam o mesmo valor
para tal predicado, então nenhuma divergência acontece; doutro
modo, uma divergência faz-se notar, levando então, ao incremento
do arranjo δ. Tal adição é realizada pela instrução
atômica @iAmWriter %δ[L2] = atom.add %δ[L2] 1, a qual é
executada somente se o predicado @iAmWriter for verdadeiro.
A instrumentação impõe uma pesada carga sobre o programa
instrumentado. Em termos de tamanho, este cresce entre
2 e 3 vezes. Já em termos de tempo de execução, a carga é
ainda maior: foram já reportadas perdas de desempenho de até
1,500x [12], o que não está em desacordo com outors profilers
baseados em instrumentação e usados em ambientes sequenciais
[27]. De qualquer forma, o ponto mais importante é que a
instrumentação não modifica a semântica do programa original,
uma vez que aquela não altera nenhuma das variáveis deste.
Logo, a observação das divergências, ainda que intrusiva, não
causa a existência de novas divergências, ou a ausência de divergências
existentes no programa original.
Usando informação de profiling para otimizar aplicações:
Nesta seção mostraremos como obter mais desempenho de
aplicações CUDA usando para isto o resultado da informação
de profiling. Otimizaremos o algoritmo de ordenação bitônica
mostrado na figura 1.28, porém mostraremos resultados obtidos
para a implementação de quicksort de Cederman et al. [9].
Este algoritmo usa o kernel da figura 1.28 para ordenar arranjos
de tamanho abaixo de um certo limiar. Os ganhos de desempenho
que reportaremos nesta seção referem-se, portanto, ao
algoritmo quicksort inteiro, embora nós mudaremos somente a
ordenação bitônica, que é um sub-módulo daquele algoritmo.
Veremos, assim, que é possível obter entre 6-10% de melhorias
de desempenho modificando entre 10-12 instruções assembly
de um programa de 895 instruções!
A figura 1.32 mostra alguns dos resultados de profiling que
obtemos para a ordenação bitônica. Esta figura nos mostra que
os condicionais aninhados no laço mais interno do kernel pade-
42