如何判断Nvidia GPU内核是否为32/64位处理器

Question

是否有Linux/windows命令显示Nvidia GPU中处理器的类型？我不是在谈论操作系统和CPU类型。我在询问GPU本身的处理器（内核）。在一天结束时，他们是处理器。如何判断它们是否具有32/64位寄存器和32/64位ALU？

与此相关的另一个问题是64位指令，如编译器或任何中间事件添加两个（无符号长整型）数字，使用32位指令模拟，或者它们正在本机执行由硬件？

这个问题与this不太相似，我需要一种方法来告诉GPU本身是什么类型的机器。此外，该问题的答案并不能说明64位指令是如何特别执行的。

Answer 1

我编写了两个简单的内核。每个添加两个类型为int（32位）/ long int（64位）的向量。事实证明，在我的GPU（特斯拉K80）​​上，这款产品刚好相当新颖，内核只有32位。

随着矢量大小的增加，时间大致加倍。

的内核如下：

__global__ void add_32(int * c, int * a, int * b) 
{ 
    int gid = blockIdx.x * blockDim.x + threadIdx.x; 
    c[gid] = a[gid] + b[gid]; 
} 

typedef long int int64; 

__global__ void add_64(int64 * c, int64 * a, int64 * b) 
{ 
    int gid = blockIdx.x * blockDim.x + threadIdx.x; 
    c[gid] = a[gid] + b[gid]; 
} 

当矢量大小为1兆个元件，add_32约需102.911微秒，而add_64需要192.669微秒。 （运行释放模式二进制时，使用Nvidia分析器报告执行时间）。

看来，64位指令只是通过32位指令仿真！

这可能是一个蛮力的解决方案，以找出什么样的机器是GPU核心，但绝对不是一个优雅的。

更新：

感谢@保罗A.克莱顿评论，似乎数据的大小在64位的情况下加倍上述解决方案是不公平的比较。所以我们不应该使用相同数量的元素来启动这两个内核。正确的原则是启动64位版本的元素数量的一半。

为了更加确定，我们来考虑一下元素向量乘法而不是加法。如果GPU通过32位指令模拟64位指令，那么它至少需要3个32位乘法指令，例如使用Karatsuba算法来乘以2个64位数字。这意味着如果我们启动具有N/2个元素的64位向量乘法内核，如果只是模拟64位乘法，则需要比具有N个元素的32位内核更长的时间。

下面是内核：

__global__ void mul_32(int * c, int * a, int * b) 
{ 
    int gid = blockIdx.x * blockDim.x + threadIdx.x; 
    c[gid] = a[gid] * b[gid]; 
} 

typedef long int int64; 

__global__ void mul_64(int64 * c, int64 * a, int64 * b) 
{ 
    int gid = blockIdx.x * blockDim.x + threadIdx.x; 
    c[gid] = a[gid] * b[gid]; 
} 

而这里是实验细节： 时报报道这里是从NVIDIA分析器上释放模式二进制： 1-内核mul_32与矢量大小为N = 256兆个元件，需要25.608毫秒。 2-矢量大小N = 128的mul_64兆元素，需要24.153毫秒。

我知道这两个内核产生不正确的结果，但我认为这与计算方式没有任何关系。