问题描述
我试图通过比较 cublasGemmEx 和 cublasDgemm 在 A100 上的性能来找出张量核心的一些优势。正如文档所述，cuda11.2+A100 上的 cublasGemmEx 支持 FP64，我认为 cublasDgemm 适应旧算法（CUBLAS_Gemm_DEFAULT？），cublasGemmEx 应该比 cublasDgemm 快。但是我的实验表明两者具有相同的性能。 cublasDgemm 是否已经适应了张量核心？顺便说一句，对于 m=n=k=5440，两者都有大约 10 TFLOPS。
解决方法
-
对于 cublas 使用的内核，using a profiler 您可以识别是否正在使用 tensorcore，一般来说，仅从内核名称即可。对于任意内核，链接的文章显示了可用于此目的的指标，在 nsight 计算中。
-
在 A100 的情况下，published data 表示对于非 tensorcore 使用，峰值 FP64 速率为 9.7TF。如果您看到吞吐量高于 9.7TF（对于 FP64），则可以肯定正在使用 tensorcore。 （实际上，任何高于 9.7TF 的 90% 的吞吐量都应该足以满足此观察，因为引用的数字是理论峰值，而不是现实世界可实现的）。
-
CUBLAS 开发人员希望为图书馆用户提供最佳体验。我想不出一个合理的理由来为可以使用 tensorcore 完成的操作使用慢速路径。您应该期望此类库尽可能使用 tensorcore。
-
在您的情况下，由于您看到两种操作的吞吐量相同，并且吞吐量超过 9.7TF，因此即使没有分析，tensorcore 也可以安全地用于两者。