update exp 3

Author: zqh-wz

docs/exp/3.spmm.md

@@ -2,7 +2,7 @@
 
 负责助教：张齐颢 [email protected]
 
-在本实验中，你将通过实现 GPU 加速的稀疏矩阵-矩阵乘法（SpMM）进一步熟悉 OpenMP, CUDA 编程以及 CPU, GPU 体系结构。
+在本实验中，你将通过实现 GPU 加速的稀疏矩阵-矩阵乘法（SpMM）进一步熟悉 CUDA 编程以及 GPU 体系结构。
 
 ## 实验任务
 
@@ -83,7 +83,7 @@ make -j4
 # 运行单个数据点
 srun -N 1 --gres=gpu:1 ./test/unit_tests --dataset <datasetname> --len 32 --datadir ~/PA3/data/ # 所有的数据集在 ~/PA3/data/ 中
 # 运行全部 GPU 数据点
-srun -N 1 --gres=gpu:1 ~/PA3/script/run_all.sh # 在 PA3/scripts 目录下
+srun -N 1 --gres=gpu:1 ~/PA3/script/run_all.sh # 在 PA3/script 目录下
 # 改变环境变量，仅仅运行单个测试，例如验证正确性（Validation）
 GTEST_FILTER="SpMMTest.validation" # 运行全部 GPU 数据点
 srun -N 1 --gres=gpu:1 ./test/unit_tests --dataset <datasetname> --len 32 --datadir ~/PA3/data/
@@ -113,7 +113,7 @@ srun -N 1 --gres=gpu:1 ./test/unit_tests --dataset toy_graph --len 32 --datadir
 
 ### 性能
 
-性能得分共占 $30\%$, 针对 GPU 测试 13 个数据集 (`scripts/run_all.sh`中指定), 两种 $K$ 的长度;
+性能得分共占 $30\%$, 针对 GPU 测试 13 个数据集 (`script/run_all.sh`中指定), 两种 $K$ 的长度;
 
 * 对于每组测试用例，只有当你获得了正确性基础分后，才能得到性能分。每组测试用例的性能分数相同。
 * 每组测试用例有一个性能线，超过性能线的同学将得到满分。
@@ -122,7 +122,7 @@ srun -N 1 --gres=gpu:1 ./test/unit_tests --dataset toy_graph --len 32 --datadir
 
 #### 性能线
 
-为避免针对对于每个数据集进行微调导致不必要的工作量, 发布两种性能线：整体性能线和针对每个数据集的性能线, 达到整体 **或者** 针对单个数据集的性能线, 即可获得全部性能分.
+为避免对于每个数据集进行微调导致不必要的工作量，发布两种性能线：整体性能线和针对每个数据集的性能线，达到整体 **或者** 针对单个数据集的性能线，即可获得性能分。
 
 * 如果你满足了整体性能线, 则得到当前setting下对应的所有数据点的满分(即使有数据集没达线)
 * 如果你满足了某个数据集的性能线, 则得到这个数据集的所有性能分
@@ -188,9 +188,9 @@ srun -N 1 --gres=gpu:1 ./test/unit_tests --dataset toy_graph --len 32 --datadir
 
 ```bash
 # 得到程序运行的总结，包括整个程序运行过程中，各个 kernel 以及 CUDA API 的执行时间和次数
-srun --gpus 1 nvprof ./test/unit_tests xxxxxxxxxx
+srun -N 1 --gres=gpu:1 nvprof ./test/unit_tests xxxxxxxxxx
 # profile 单个 kernel 的执行情况，通过 --kernels 指定要 profile 的 kernel 的名称；通过 --metrics 指定要 profile 的是什么 metric，如 dram_read_bytes, achieved_occupancy 等，也可以指定为 all 来得到所有的 metric
-srun --gpus 1 nvprof --kernels "KERNEL1|KERNEL2" --metrics "METRIC1|METRIC2" ./test/unit_tests xxxxxxxxxx
+srun -N 1 --gres=gpu:1 nvprof --kernels "KERNEL1|KERNEL2" --metrics "METRIC1|METRIC2" ./test/unit_tests xxxxxxxxxx
 ```
 
 关于可以 profile 得到的性能指标以及 `nvprof` 更高级的使用方法可以参考 <https://docs.nvidia.com/cuda/profiler-users-guide/index.html>。
@@ -205,14 +205,14 @@ srun --gpus 1 nvprof --kernels "KERNEL1|KERNEL2" --metrics "METRIC1|METRIC2" ./t
 ## 注意事项
 
 - 禁止任何欺骗评测程序的手段，包括但不限于直接输出时间、干扰校验程序运行、提前保存结果以在测试时直接输出等。一经发现，将取消本次实验得分。
-- 你修改的文件应该仅限于 `spmm_opt.h`, `spmm_opt.cu`, `spmm_cpu_opt.h`, `spmm_cpu_opt.cpp`。即使修改了其他文件（如用于调试等目的），也要确保在 **不进行这些修改** 的情况下，程序能够正确编译运行。助教将替换所有其他文件为下发的版本后进行评测，以确保评分的正确性和公平性。
+- 你修改的文件应该仅限于 `spmm_opt.h`, `spmm_opt.cu`。即使修改了其他文件（如用于调试等目的），也要确保在 **不进行这些修改** 的情况下，程序能够正确编译运行。助教将替换所有其他文件为下发的版本后进行评测，以确保评分的正确性和公平性。
 - 集群的登陆结点与计算结点配备了不同的 GPU，**最终得分以计算结点为准（NVIDIA Tesla P100），程序在登陆结点的性能或正确性不作为评分依据。**
 
 
 **严格查重，如果有任何参考借鉴，请在报告中写出来。**
 
-## 意见反馈
+<!-- ## 意见反馈
 
 关于本作业的问题可以在共享文档中反馈，助教会 check ，热心的同学也可以帮忙回答，共创良好讨论氛围。
 
-<!-- 【腾讯文档】高性能作业 PA3 反馈：<https://docs.qq.com/doc/DQURXTEF3dldBV0pC> -->
+【腾讯文档】高性能作业 PA3 反馈：<https://docs.qq.com/doc/DQURXTEF3dldBV0pC> -->