Comparing SyCL data transfer strategies for tracking use cases

1. Cloner le repo sur la machine sur laquelle faire les tests.

2. Preparation des répertoires, mises à jour du PATH, définition des alias :

source env.sh

3. Définir la variable d'environnement SBENCH_SYCL_COMPILER_CMD : elle doit indiquer le chemin absolu vers le compilateur. Exemples :

# DPC++ installé, potentiellement défini via quelque chose du genre : source ~/intel/oneapi/setvars.sh
export SBENCH_SYCL_COMPILER_CMD=dpcpp

# DPC++ compilé
export SBENCH_SYCL_COMPILER_CMD="/...full_path.../llvm/build/bin/clang++ -fsycl -fsycl-targets=nvptx64-nvidia-cuda --cuda-path=/usr/local/cuda"

# HipSYCL
export SBENCH_SYCL_COMPILER_CMD=syclcc

4. Dans le dossier principal, faire make build.

5. Tourner les programmes SYCL de votre choix :

• lsd ou list_devices.exe : liste les devices.
• ubench <score> <data-size-gb> <repeat> ou micro_bench.exe <score> <data-size-gb> <repeat> : exécute sur le device de score <score> le banc d'essai ubench, pour une taille de <data-size-gb> Gb (1 par défaut), et en répétant les mêmes calculs et échanges de données <repeat> fois (12 par défaut).
• sparse <score> <load-count-value> <repeat> ou sparse_ccl.exe <score> <load-count-value> <repeat> : exécute sur le device de score <score> le banc d'essai sparsecll, en duplicant les données <load-count-value> fois (1 par défaut), et en répétant les mêmes calculs et échanges de données <repeat> fois (12 par défaut).

Quand le fichier de sortie existe déjà, le programme ne le refait pas.

6. Les résultats sont produits dans des fichiers output/*.t :

• sparseccl108_generalFlatten_[nom ordi]_ld[valeur de ld]_RUN1_[nom du device].t
• sparseccl108_generalGraphPtr_uniqueModules_[nom ordi]_ld[valeur de ld]_RUN1_[nom du device].t
• ubench2_2_[nom ordi]_4GiB_RUN1_[nom du device].t

A faire

• ne pas laisser trainer de fichier de sortie incomplet si l'execution a echoué avant la fin.

Pile d'appel micro_bench.cpp

• ubench_v2::init_data_length(gb)
• ubench_v2::run_ubench2_tests(runtime_environment.computer_name, runtime_environment.runs_count)
  • run_ubench2_single_test(computer_name, i) * runtime_environment.runs_count // == 1 ?!?
    • main_of_bench_v2(OUTPUT_FILE_NAME)
      • progress_init(7)
      • // (USM) explicit copy
      • traccc_main_sequence(myfile, sycl_mode::device_USM, true);
      • traccc_main_sequence(myfile, sycl_mode::shared_USM, true);
      • traccc_main_sequence(myfile, sycl_mode::host_USM, true);
      • // Implicit copy
      • traccc_main_sequence(myfile, sycl_mode::shared_USM, false);
      • traccc_main_sequence(myfile, sycl_mode::host_USM, false);
      • traccc_main_sequence(myfile, sycl_mode::accessors, false);
      • traccc_main_sequence(myfile, sycl_mode::glibc, false);
        • REPEAT_COUNT_REALLOC
        • traccc_bench(mode, explicit_copy);
          • allocation(bench);
          • fill(bench);
          • copy(bench);
          • kernel(bench);
          • data_type sum = read(bench);
          • dealloc(bench);
        • progress_increment() ;
        • progress_print();

Notes diverses

To run with syclcc, set those variables : export HIPSYCL_TARGETS="cuda:sm_35" &&
export HIPSYCL_GPU_ARCH="sm_35" &&
export HIPSYCL_CUDA_PATH="/usr/local/cuda-10.1"

On Sandor : export HIPSYCL_TARGETS="cuda:sm_75" &&
export HIPSYCL_GPU_ARCH="sm_75" &&
export HIPSYCL_CUDA_PATH="/usr/local/cuda-10.1"