我创建了一个在GPU上运行的简单C程序 . 它通过.exe运行时效果很好但是，每当我使用nvprof进行性能分析时，它会导致我的系统变得不稳定（它每隔x秒冻结一次）并需要重新启动才能使系统再次正常运行 . 任何见解将不胜感激 .

I DO get this Warning when starting nvprof ，这可能是问题，我该如何纠正？ （我有相同的卡片，如下面的信息所示:) .

== 7596 == NVPROF正在分析过程7596，命令： . \ whatup.exe == 7596 ==警告：当前配置不支持统一内存分析，因为检测到一对没有对等支持的设备这种多GPU设置 . 当对等映射不可用时，系统将回退到使用零拷贝内存 . 它可能导致访问统一内存的内核运行速度变慢 . 更多详情请访问：http://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#um-managed-memory

设置 'SET CUDA_MANAGED_FORCE_DEVICE_ALLOC=1' 或 'SET CUDA_VISIBLE_DEVICES=1' 似乎没有任何影响 .

System Specs:

  • Windows 10 Pro x64

  • i7-6800K

  • 64 GB DDR4

  • 2 x EVGA 980Ti（SLI）

NVIDIA Drivers:

  • 显示驱动程序：390.65

  • Geforce经验：3.12.0.84

  • 3D视觉控制器驱动程序：390.41

  • 3D Vision：390.65

  • CUDA v9.1

Here is the program output:

块数：1
每个块的线程数：32
值0.000000
Value 2.000000
Value 4.000000
Value 6.000000
Value 8.000000
Value 10.000000
Value 12.000000
Value 14.000000
Value 16.000000
Value 18.000000
已完成****** < - GPU流程完成

这是cudaGetDeviceProperties（...）的输出以获取更多详细信息

Device Count: 2

设备0：GeForce GTX 980 Ti
设备0，MaxThreadsPerBlock：1024
设备0，TotalGlobalMem：6442450944
设备0，SharedMemPerBlock：49152
设备0，主要：5
设备0，次要：2
设备0，ClockRate：1190000
设备0，ECCEnabled：0
设备0，TccDriver：0
设备0，ComputeMode：0

设备1：GeForce GTX 980 Ti
设备1，MaxThreadsPerBlock：1024
设备1，TotalGlobalMem：6442450944
设备1，SharedMemPerBlock：49152
设备1，主要：5
设备1，次要：2
设备1，ClockRate：1190000
设备1，ECCEnabled：0
设备1，TccDriver：0
设备1，ComputeMode：0

1.）SLI已启用并正常工作（至少通过NVIDIA控制面板和EVGA Precision）
2.）代码在GPU上运行良好，只是无法分析它是否会导致我的机器被杀并需要重启（否则屏幕会每隔x秒冻结一次）
3.）我已经尝试了安装nvidia驱动程序的_1663189

...最后，这是我编译的C代码：nvcc myfile.cu -o thefinal.exe

更新：问题似乎与add_gpu调用无关 . 如果我更改此功能如下（add_gpu_BARE），它仍然有相同的问题导致我的屏幕每隔x秒锁定一次，直到重新启动 .

__global__ 
void add_gpu_BARE(float *a, float *b, float *c, float n){
    c[0] = 10.0;
}


__global__ 
void add_gpu(float *a, float *b, float *c, float n){
    int index = blockIdx.x * blockDim.x + threadIdx.x;
    int stride = blockDim.x * gridDim.x;
    for(int i=index; i<n; i+=stride) {
        c[i] = a[i] + b[i];
    }
}

void call_GPU() {

    int SIZE = 1<<20;

    float *a, *b, *c;
    cudaMallocManaged(&a, SIZE * sizeof(float)); 
    cudaMallocManaged(&b, SIZE * sizeof(float));
    cudaMallocManaged(&c, SIZE * sizeof(float));

    for(int i=0; i<SIZE; i++) {
        a[i] = i;
        b[i] = i;
        c[i] = 0;
    }

    int blocks = 1;
    int threads_per_blocks = 32;

    add_gpu<<<blocks, threads_per_blocks>>>(a, b, c, SIZE);
    cudaDeviceSynchronize();

    for(int i=0; i<10; i++) {
        printf("value %f\n", c[i]);
    }

    cudaFree(a);
    cudaFree(b);
    cudaFree(c);
}

int main() {

    printf("Ok, running on GPU\n");
    call_GPU();
    printf("COMPLETED******\n");

    return 0;
}

1.）指定256个线程会导致nvprof永远不会返回
2.）指定32个工作但导致系统不稳定
3.）数组大小似乎没有影响
4.）分析时两张卡的内存/ CPU都非常低

cuda nvprof