loops - トリップカウントが一定でない場合、＃pragma-unrolledループのパフォーマンスが低下するのはなぜですか？

Question

ループ展開を使用して次のコードがあります：

#pragma unroll
for (int i=0;i<n;i++)
{
    ....
}

ここで、nが定義された定数の場合、すべてが正常に機能します。ただし、nが変数の場合、パフォーマンスは大幅に低下します。命令が発行され実行されるのは約3回であることに気づきました。実行時にループ展開を行う方法を探していると思いますが、それは現実的ではないかもしれません。

Answer 1

CUDAはコンパイルされた言語です。ループ展開はコンパイラの最適化です。ランタイムループの展開は、ある種のランタイムインタープリターまたは動的コード生成を意味します。それは明らかに起こり得ない。

コンパイラがループをループの内容の繰り返しに置き換えるため、展開されたケースがナイーブループと同じかそれ以上の命令を実行することは理にかなっています。展開されたケースで実行される命令が少ない場合は、コンパイラがループの内容の一部またはすべてを事前に計算し、コードを一定の結果に置き換えていることを意味します。

それはすべて、ループに何が含まれているかによって異なります。