2

CUDA に関するいくつかの質問。

1) すべてのサンプル コードで、グローバル関数で実行される並列でない操作 (つまり、スカラーの計算) は、常に特定のスレッドを指定して行われることに気付きました。たとえば、次の内積の単純なコードでは、スレッド 0 が合計を実行します。

    __global__ void dot( int *a, int *b, int *c )
    {
       // Shared memory for results of multiplication   
       __shared__ int temp[N]; 
       temp[threadIdx.x] = a[threadIdx.x] * b[threadIdx.x];

       // Thread 0 sums the pairwise products
       if( 0 == threadIdx.x ) 
       {
       int sum = 0;
       for( int i = 0; i < N; i++ )
           sum += temp[i];

       *c = sum;
       }
    }

これは私にとっては問題ありません。ただし、私が書いたコードでは、非並列操作のスレッドを指定していませんでしたが、それでも機能します。したがって、スレッドを定義することは必須ですか? 特に、実行したい非並列操作は次のとおりです。

        if (epsilon == 1)
        {
            V[0] = B*(Exp - 1 - b);
        }
        else
        {
            V[0] = B*(Exp - 1 + a);
        }

さまざまな変数がグローバル関数の引数として渡されました。2 つ目の質問です。

V[0]2） CUDAのプログラムとCPU上の別のシリアルで値を計算し、異なる結果を得ました。明らかに、CUDAの問題はスレッドを指定しなかったことにあると思いましたが、それでも結果は変わらず、シリアルのものよりも（はるかに）大きいです：6.71201e + 22対-2908.05 . どこに問題があるのでしょうか? グローバル関数で実行されるその他の計算は次のとおりです。

int tid = threadIdx.x;

if ( tid != 0 && tid < N )
{
    {Various stuff which does not involve V or the variables used to compute V[0]}

    V[tid] = B*(1/(1+alpha[tid]*alpha[tid])*(One_G[tid]*Exp - Cos - alpha[tid]*Sin) + kappa[tid]*Sin);
}

ご覧のとおり、私の状態では、ケースを考慮することを避けていtid == 0ます。

3) 最後に、最後の質問: 通常、サンプル コードで、GPU メモリ上で割り当てられ、計算された CPU 値を使用する場合は、それらの値を CPU にコピーする必要があることに気付きました (たとえば、 command を使用してcudaMemcpy、 を指定しcudaMemcpyDeviceToHostます) 。 . しかし、これらの値をメイン コード (CPU) で問題なく直接使用することができました。これは、GPU (または CUDA のインストール) に何か問題があるという手がかりになり得ますか?

ご協力ありがとうございました。

== 1月5日追記 ==

返信が遅くなり申し訳ありません。カーネルを呼び出す前に、計算する配列のすべてのメモリ割り当てがあります (これは非常に大量です)。特に、私の質問に含まれる配列に関するコードは次のとおりです。

float * V;
cudaMalloc( (void**)&V, N * sizeof(float) );

私が書いたコードの最後に：

float V_ [N];
cudaMemcpy( &V_, V, N * sizeof(float), cudaMemcpyDeviceToHost );

cudaFree(V);

cout << V_[0] << endl;

ご清聴ありがとうございました。

4

2 に答える 2

2

コードに何もない場合cudaMemcpy、それがまさに問題です。;-) CPU がメインボードの RAM にアクセスしている間、GPU は独自のメモリ (グラフィックス カードの RAM) にアクセスしています。最初に を使用して alpha、kappa、One_g およびその他すべての配列を GPU に割り当ててコピーしcudaMemcpy、次にカーネルを実行してから、結果を CPU にコピーする必要があります。また、両側にメモリを割り当てることを忘れないでください。

非並列のものについては、結果が常に同じである場合、すべてのスレッドが同じものを書き込むため、結果はまったく同じになりますが、すべてが同じリソースにアクセスしようとするため、かなり非効率的です。

于 2013-01-02T22:11:34.977 に答える
1

それはあなたが使用している正確なコードですか？質問 1 に関しては、共有メモリ temp への割り当て後に __syncthreads() を実行する必要があります。そうしないと、temp が完全に入力される前にスレッド 0 が合計を開始できるという競合状態が発生します。

スレッドの指定に関する他の質問については、

if (epsilon == 1)
{
    V[0] = B*(Exp - 1 - b);
}
else
{
    V[0] = B*(Exp - 1 + a);
}

次に、すべてのスレッドがそのコードを実行します。たとえば、X 個のスレッドを実行していて、そのすべてのイプシロンが 1 の場合、すべての X スレッドが同じ行を評価します。

V[0] = B*(Exp - 1 - b);

したがって、すべての X スレッドが V[0] に書き込むため、別の競合状態が発生します。すべてのスレッドの B*(Exp - 1 - b) の値が同じ場合、違いに気付かないかもしれませんが、値が異なる場合は、スレッドの順序に応じて、毎回異なる結果が得られる可能性があります。スレッドが到着

于 2013-01-03T20:17:47.383 に答える