mmmml
/
GPUKernelContest
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
GPUKernelContest/cp_run_guide.md

3.3 KiB
Raw Permalink Blame History

GPU 高性能并行计算算法优化竞赛

📝 参赛指南

实现位置

参赛者需要在以下文件中替换Thrust实现：

  • reduce_sum_algorithm.maca - 替换Thrust归约求和
  • sort_pair_algorithm.maca - 替换Thrust稳定排序
  • topk_pair_algorithm.maca - 替换Thrust TopK选择

算法要求

见competition_parallel_algorithms.md

📊 性能评测

测试流程

  1. Warmup: 5次预热运行
  2. Benchmark: 10次正式测试取平均
  3. 数据规模: 1M, 128M, 512M, 1G elements
  4. 评估指标: 吞吐量(G/s)

性能指标计算

ReduceSum

  • 数据类型: float → float
  • 吞吐量: elements / time(s) / 1e9 (G/s)

SortPair

  • 数据类型: <float, uint32_t>
  • 吞吐量: elements / time(s) / 1e9 (G/s)

TopkPair

  • 数据类型: <float, uint32_t>
  • 吞吐量: elements / time(s) / 1e9 (G/s)

性能结果文件

每个算法会生成详细的YAML性能分析文件：

  • reduce_sum_performance.yaml - ReduceSum性能数据
  • sort_pair_performance.yaml - SortPair性能数据
  • topk_pair_performance.yaml - TopkPair性能数据

这些文件包含：

  • 算法信息和数据类型
  • 计算公式说明
  • 各数据规模的详细性能数据
  • 升序/降序分别统计（适用时）

📁 提交内容结构

├── run.sh                # 统一编译和运行脚本（默认编译+运行所有算法）
├── competition_parallel_algorithms.md  # 详细题目说明
│── reduce_sum_algorithm.maca     # 1. ReduceSum测试程序
│── sort_pair_algorithm.maca      # 2. SortPair测试程序
│── topk_pair_algorithm.maca      # 3. TopkPair测试程序
├── utils/                        # 工具文件
│   ├── test_utils.h               # 测试工具和CPU参考实现
│   ├── yaml_reporter.h            # YAML性能报告生成器
│   └── performance_utils.h        # 性能测试工具
├── reduce_sum_results.yaml        #ReduceSum性能数据
├── sort_pair_results.yaml         #替换Thrust稳定排序
└── topk_pair_results.yaml         #TopkPair性能数据

🔧 开发工具

编译选项

# 默认编译命令
mxcc -O3 -std=c++17 --extended-lambda -Isrc

### 自动化测试
```bash
# 查看所有选项
./build.sh --help

# 运行所有测试并生成YAML报告
./build.sh --run_all

### 环境变量配置

| 变量 | 默认值 | 说明 |
|--------|--------|------|
| `COMPILER` | `mxcc` | CUDA编译器路径 |
| `COMPILER_FLAGS` | `-O3 -std=c++17 --extended-lambda` | 编译标志 |
| `HEADER_DIR` | `utils` | 头文件目录 |
| `BUILD_DIR` | `build` | 构建输出目录 |

### 调试模式

## 📋 提交清单

在提交前请确保：
- [ ] 所有算法通过正确性测试
- [ ] 性能测试可以正常运行
- [ ] 代码注释清晰，说明优化策略
- [ ] 无内存泄漏或运行时错误
- [ ] 生成完整测试报告
- [ ] 在函数实现注释中说明创新点

# 提交时包含以下文件
# - final_results/reduce_sum_results.yaml
# - final_results/sort_pair_results.yaml
# - final_results/topk_pair_results.yaml

🤝 技术支持

如有技术问题，请：

  1. 查看详细错误信息和GPU状态
  2. 确认环境配置正确
  3. 检查内存使用是否超限
  4. 验证算法逻辑和数据类型

祝您在竞赛中取得优异成绩！ 🏆