MatmulTutorial

MatmulTutorial

CUDA矩阵乘法内核设计与性能优化实例

MatmulTutorial项目展示了CUDA矩阵乘法的多种高性能实现,包括自定义、CuBLAS和CUTLASS等。项目通过详细的性能对比,帮助CUDA初学者理解内核设计优化。在A100 GPU上,项目实现比Relay+CUTLASS平均快1.73倍,与CuBLAS性能相当。项目还研究了MLIR生成CUDA内核,性能达到手写内核的86%。

MatMulCUDAGPU性能优化TensorOpMLIRGithub开源项目

TensorOp矩阵乘法教程

这是一个CUDA矩阵乘法实现的示例仓库。该仓库旨在为CUDA初学者提供高性能内核设计的一些见解。目前,我只在examples/matmul/this中提供了一些实现示例。 欢迎贡献更多的内核和其他矩阵乘法实现。

关于

这里有一个详细的解释,介绍了examples/matmul/this中不同版本的矩阵乘法内核。

内容

  • examples:

    • matmul: 矩阵乘法实现

      • this-sm90: Hopper版本的矩阵乘法
      • this-sm80: 本仓库实现的矩阵乘法
      • cublas: 调用CuBLAS进行性能测试
      • cutlass: 调用CUTLASS进行性能测试
      • mlir-gen: 由MLIR生成的CUDA代码
      • triton: 调用Triton进行性能测试
      • tvm: 调用Relay+CUTLASS/CuBLAS或TensorIR进行性能测试
    • atom: 单个内部指令/指令的使用

    • reduction: 用于后处理的一些归约内核

性能结果

H800 GPU上的性能

图片 当前版本平均只达到CuBLAS性能的70%。我仍在努力提高性能。

A100 GPU上的性能

<img src=static/this.png alt="A100-GEMM-perf" width="2000" height="600"> Relay、CuBLAS、CUTLASS、TensorIR、Triton和我们实现之间的整体性能比较。y轴是相对于Relay+CUTLASS的加速比。

总体而言,相对于Relay+CUTLASS的几何平均加速比为1.73倍,相对于TensorIR(每个案例使用MetaSchedule进行1000次调优尝试)为1.22倍,相对于CuBLAS为1.00倍,相对于CUTLASS为0.999倍,相对于Triton为1.07倍。 61种形状如下:

编号MNK
1537653762048
25376-12853762048
35376-2*12853762048
............
115376-10*12853762048
125376+12853762048
135376+2*12853762048
............
215376+10*12853762048
2253765376-1282048
2353765376-2*1282048
............
3153765376-10*1282048
3253765376+1282048
3353765376+2*1282048
............
4153765376+10*1282048
42537653762048-128
43537653762048-2*128
............
51537653762048-10*128
52537653762048+128
53537653762048+2*128
............
61537653762048+10*128

MLIR生成的CUDA内核

我还使用MLIR生成矩阵乘法内核。生成的内核位于examples/matmul/mlir-gen中。与手写内核(examples/matmul/this)相比的性能如下所示。由于MLIR生成的内核只实现了手写内核使用的部分优化,我们将MLIR生成的内核称为部分,将手写内核称为完整

mlir-gen 总体而言,MLIR生成的版本达到了手写内核性能的86%。

计划

更多内核

我计划在未来实现其他运算符(如softmax)的内核。

在实现中使用CUTLASS

计划使用CUTLASS的CuTe接口来实现高性能内核。

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多