私は63個のレジスタ/スレッドを使用しているので（最大32768）、約520個のスレッドを使用できます。この例では現在512個のスレッドを使用しています。
（並列処理は、グローバルcomputeEHfields関数関数内の関数 "computeEvec"にあります。）問題は次のとおりです。
1）以下のmemチェックエラー。
2）numPointsRp> 2000を使用すると、「メモリ不足」と表示されますが、（間違っていない場合は）グローバルメモリを計算して問題ありません。
- - - - - - - - - - - - - - - -更新しました - - - - - - - - - ---------
cuda-memcheckを使用してプログラムを実行すると、（numPointsRs> numPointsRpの場合のみ）次のようになります。
=========サイズ4の無効なグローバル読み取り
=========computeEHfieldsの0x00000428
=========ブロック（0,0,0）のスレッド（2,0,0）による
=========アドレス0x4001076e0は範囲外です
==================サイズ4の無効なグローバル読み取り
=========computeEHfieldsの0x00000428
=========ブロック（0,0,0）のスレッド（1,0,0）による
=========アドレス0x4001076e0は範囲外です
==================サイズ4の無効なグローバル読み取り
=========computeEHfieldsの0x00000428
=========ブロック（0,0,0）のスレッド（0,0,0）による
=========アドレス0x4001076e0は範囲外です
エラーの概要：160エラー
- - - - - -編集 - - - - - - - - - - - - - -
また、たとえば、numPointsRs=1000およびnumPointsRp=100があり、numPointsRp = 200を変更してから、numPointsRp =を再度変更する場合は、（ブロックではなくスレッドのみを使用する場合（ブロックについてはテストしていません））。 100私は最初の結果をとっていません！
import pycuda.gpuarray as gpuarray
import pycuda.autoinit
from pycuda.compiler import SourceModule
import numpy as np
import cmath
import pycuda.driver as drv
Rs=np.zeros((numPointsRs,3)).astype(np.float32)
for k in range (numPointsRs):
Rs[k]=[0,k,0]
Rp=np.zeros((numPointsRp,3)).astype(np.float32)
for k in range (numPointsRp):
Rp[k]=[1+k,0,0]
#---- Initialization and passing(allocate memory and transfer data) to GPU -------------------------
Rs_gpu=gpuarray.to_gpu(Rs)
Rp_gpu=gpuarray.to_gpu(Rp)
J_gpu=gpuarray.to_gpu(np.ones((numPointsRs,3)).astype(np.complex64))
M_gpu=gpuarray.to_gpu(np.ones((numPointsRs,3)).astype(np.complex64))
Evec_gpu=gpuarray.to_gpu(np.zeros((numPointsRp,3)).astype(np.complex64))
Hvec_gpu=gpuarray.to_gpu(np.zeros((numPointsRp,3)).astype(np.complex64))
All_gpu=gpuarray.to_gpu(np.ones(numPointsRp).astype(np.complex64))
mod =SourceModule("""
#include <pycuda-complex.hpp>
#include <cmath>
#include <vector>
#define RowRsSize %(numrs)d
#define RowRpSize %(numrp)d
typedef pycuda::complex<float> cmplx;
extern "C"{
__device__ void computeEvec(float Rs_mat[][3], int numPointsRs,
cmplx J[][3],
cmplx M[][3],
float *Rp,
cmplx kp,
cmplx eta,
cmplx *Evec,
cmplx *Hvec, cmplx *All)
{
while (c<numPointsRs){
...
c++;
}
}
__global__ void computeEHfields(float *Rs_mat_, int numPointsRs,
float *Rp_mat_, int numPointsRp,
cmplx *J_,
cmplx *M_,
cmplx kp,
cmplx eta,
cmplx E[][3],
cmplx H[][3], cmplx *All )
{
float Rs_mat[RowRsSize][3];
float Rp_mat[RowRpSize][3];
cmplx J[RowRsSize][3];
cmplx M[RowRsSize][3];
int k=threadIdx.x+blockIdx.x*blockDim.x;
while (k<numPointsRp)
{
computeEvec( Rs_mat, numPointsRs, J, M, Rp_mat[k], kp, eta, E[k], H[k], All );
k+=blockDim.x*gridDim.x;
}
}
}
"""% { "numrs":numPointsRs, "numrp":numPointsRp},no_extern_c=1)
func = mod.get_function("computeEHfields")
func(Rs_gpu,np.int32(numPointsRs),Rp_gpu,np.int32(numPointsRp),J_gpu, M_gpu, np.complex64(kp), np.complex64(eta),Evec_gpu,Hvec_gpu, All_gpu, block=(128,1,1),grid=(200,1))
print(" \n")
#----- get data back from GPU-----
Rs=Rs_gpu.get()
Rp=Rp_gpu.get()
J=J_gpu.get()
M=M_gpu.get()
Evec=Evec_gpu.get()
Hvec=Hvec_gpu.get()
All=All_gpu.get()
--------------------GPUモデル---------------------------- --------------------
Device 0: "GeForce GTX 560"
CUDA Driver Version / Runtime Version 4.20 / 4.10
CUDA Capability Major/Minor version number: 2.1
Total amount of global memory: 1024 MBytes (1073283072 bytes)
( 0) Multiprocessors x (48) CUDA Cores/MP: 0 CUDA Cores //CUDA Cores 336 => 7 MP and 48 Cores/MP