Meça o ganho de velocidade
Compare o desempenho ingênuo com o dividido em blocos.
Meça o ganho de velocidade é uma aula grátis de CUDA Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de CUDA Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de CUDA Academy inclui 4 aulas no total.
Comprovar o ganho
Você criou um núcleo com blocos, mas quanto mais rápido ele é de fato? Medir transforma uma estimativa em um número em que você pode confiar. 📊
Medir no relógio da GPU
Use eventos CUDA para medir o tempo dos núcleos. Eles ficam no fluxo da GPU e medem exatamente quando o trabalho começa e termina.
cudaEvent_t start, stop;
cudaEventCreate(&start);
cudaEventCreate(&stop);Delimitar o núcleo
Registre um evento antes do lançamento e outro depois; em seguida, sincronize para que a medição realmente espere a GPU terminar.
cudaEventRecord(start);
matmul<<<g,b>>>(...);
cudaEventRecord(stop);
cudaEventSynchronize(stop);Ler o tempo decorrido
Solicite o intervalo entre os eventos em milissegundos. Esse único número é o tempo de execução medido do seu núcleo.
float ms;
cudaEventElapsedTime(&ms, start, stop);Aquecer primeiro
O primeiro lançamento arca com custos de configuração que ocorrem uma única vez. Execute um núcleo de aquecimento antes de medir, para avaliar a velocidade estável, não a inicialização.
Calcular a média de várias execuções
Uma única amostra é instável. Meça o núcleo várias vezes e calcule a média para obter um resultado estável e confiável.
Calcular o ganho de velocidade
O ganho de velocidade é simplesmente o tempo ingênuo dividido pelo tempo com blocos. Um valor de 4x significa que o núcleo com blocos executou quatro vezes mais rápido.
float speedup = naive_ms / tiled_ms;Pensar em GFLOPS
A multiplicação de matrizes realiza cerca de 2 * N^3 operações de ponto flutuante. Divida esse valor pelo seu tempo para informar o desempenho em GFLOPS, a medida padrão.
double gflops = (2.0*N*N*N) / (ms * 1e6);Por que o uso de blocos vence
O ganho de velocidade vem da redução do tráfego na memória global. A reutilização da memória compartilhada mantém os núcleos ocupados, em vez de fazê-los esperar por carregamentos lentos.
Verificar sempre a correção
Uma resposta errada e rápida é inútil. Compare o resultado da GPU com uma referência da CPU antes de comemorar o ganho de velocidade. ✅
Conhecer seu limite
Mesmo a multiplicação de matrizes com blocos fica atrás da cuBLAS ajustada manualmente. Conhecer essa diferença informa quando otimizar mais e quando chamar uma biblioteca.
Verificação rápida
Lembre-se da ferramenta correta para medir o tempo dos núcleos da GPU.
Recapitulação
Você mediu com eventos CUDA, fez o aquecimento, calculou médias e o ganho de velocidade e GFLOPS, além de verificar a correção. Agora você comprova suas otimizações. 🏁
Aprenda C++ com um tutor de IA — grátis
Escreva e execute código real no seu navegador, obtenha ajuda instantânea de um tutor de IA 24/7 e continue de onde parou na web ou no app.
- Cursos
- 30
- Aulas
- 120
Perguntas Frequentes
A aula “Meça o ganho de velocidade” é grátis?
Sim — o texto completo de “Meça o ganho de velocidade” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de CUDA Academy, atualize para CoddyKit PRO. O curso de CUDA Academy inclui 4 aulas no total.
O que vou aprender em “Meça o ganho de velocidade”?
Compare o desempenho ingênuo com o dividido em blocos. Você pratica CUDA Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar CUDA Academy?
Nenhuma experiência prévia é necessária. CUDA Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Meça o ganho de velocidade”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de CUDA Academy?
Sim. Cada aula de CUDA Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- O núcleo ingênuo de multiplicação de matrizes
- Divida o produto interno em blocos
- Percorra as fases dos blocos
- Meça o ganho de velocidade