- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
首先:如果这个话题做得不好,我很抱歉(这是我的第一个话题)我目前正在尝试学习 NVIDIA 上的 GPU 计算,但是 我对 CUDA 的 __syncthreads() 方法有疑问,我认为它不起作用。我尝试在网上搜索,但没有找到解决方法。
__global__ void stencil_1d(int *in, int *out) {
__shared__ int temp[BLOCK_SIZE + 2 * RADIUS]; // Création de la mémoire partagée avec tout les threads d'un même block
int gindex = threadIdx.x + blockIdx.x * blockDim.x;
int lindex = threadIdx.x + RADIUS;
/*for (int i = 0; i < N*sizeof(int); i++)
printf("%i ---i=%i \n", in[i], i);*/
// Déplacer les éléments d'entrées sur la mémoire partagée
temp[lindex] = in[gindex];
if (threadIdx.x < RADIUS) {
temp[lindex - RADIUS] = in[gindex - RADIUS]; // Récuprère le Halo avant les valeurs du block
temp[lindex + BLOCK_SIZE] = in[gindex + BLOCK_SIZE]; // Récupère le Halo après les valeurs du block
}
__syncthreads(); // Synchronisation des Threads d'un même Block
int result = 0;
for (int offset = -RADIUS; offset <= RADIUS ; offset++)
result += temp[lindex + offset];
out[gindex] = result;
}
当我取消对 for
的注释时,程序正常工作,但目前没有 for
我的程序在 out
变量中返回 -842150451。
主要代码:
int main()
{
int size = N * sizeof(int);
/******************** Utilisation de la fonction GPU stencil_1d ********************/
int *in, *out; // Variable sur la mémoire Host
int *d_in, *d_out; //Variable sur la mémoire Device
// Allocation de la mémore aux variables sur le Device
cudaMalloc((void**)&d_in, size);
cudaMalloc((void**)&d_out, size);
// Allocation de la mémoire aux variables de Host
in = (int*)malloc(size); random_ints(in, N);
out = (int*)malloc(size);
// Copie des valeurs des variables de Host vers Device
cudaMemcpy(d_in, in, size, cudaMemcpyHostToDevice);
cudaMemcpy(d_out, out, size, cudaMemcpyHostToDevice);
// Exécution de la fonction sur le Device (ici 3 Blocks, 10 Threads)
stencil_1d <<<N/THREADS_PER_BLOCK, THREADS_PER_BLOCK>>>(d_in, d_out);
// Récupération de la variable out de Device vers Host
cudaMemcpy(out, d_out, size, cudaMemcpyDeviceToHost);
// Affichage du résultat
for(int i=0; i<size; i++)
printf("%i ---i=%i \n", out[i], i);
// Libération de la mémoire prise par les variables sur Host
free(in); free(out);
// Libération de la mémoire prise par les variables sur le Device
cudaFree(d_in); cudaFree(d_out);
return 0;
}
如果忘记了:定义:
#define N 30
#define THREADS_PER_BLOCK 10
#define BLOCK_SIZE (N/THREADS_PER_BLOCK)
#define RADIUS 3
random_ints 代码:
void random_ints(int *var, int n) // Attribue une valeur à toutes le composantes des variables
{
int i;
for (i = 0; i < n; i++)
var[i] = 1;
}
预先感谢您的回答。
最佳答案
This code最初是为教学而设计的;它有一些缺陷。
首先,任何时候您在使用 CUDA 代码时遇到问题,我建议 proper CUDA error checking并使用 cuda-memcheck
运行您的代码(参见下面我使用 cuda-memcheck
的示例)。如果您在向其他人寻求帮助之前这样做,并在您的问题中提供错误信息,它可能会帮助其他人帮助您。
如果您使用 cuda-memcheck
运行此代码,它将指示访问全局内存和共享内存的错误。
您选择的 BLOCK_SIZE
不正确。这应该设置为等于 THREADS_PER_BLOCK
,而不是 (N/THREADS_PER_BLOCK)
。看来您打算使用 3 个 block (每个 block 10 个线程)来运行此内核,因此我们将使用它。
这些行将越界索引:
if (threadIdx.x < RADIUS) {
temp[lindex - RADIUS] = in[gindex - RADIUS]; // Récuprère le Halo avant les valeurs du block
temp[lindex + BLOCK_SIZE] = in[gindex + BLOCK_SIZE]; // Récupère le Halo après les valeurs du block
例如,在第一个 block 中,第一个线程(threadIdx.x
为0),gindex
为0,所以计算gindex - RADIUS
将为 -3。这不可能是正确的。
这个 for 循环是不正确的:
for(int i=0; i<size; i++)
应该是:
for(int i=0; i<N; i++)
当我修复这些问题时,您的代码运行没有错误并为我产生了一个合理的结果:
$ cat t280.cu
#define N 30
#define THREADS_PER_BLOCK 10
#define BLOCK_SIZE THREADS_PER_BLOCK
#define RADIUS 3
#include <stdio.h>
void random_ints(int *var, int n) // Attribue une valeur à toutes le composantes des variables
{
int i;
for (i = 0; i < n; i++)
var[i] = 1;
}
__global__ void stencil_1d(int *in, int *out) {
__shared__ int temp[BLOCK_SIZE + 2 * RADIUS]; // Création de la mémoire partagée avec tout les threads d'un même block
int gindex = threadIdx.x + blockIdx.x * blockDim.x;
int lindex = threadIdx.x + RADIUS;
/*for (int i = 0; i < N*sizeof(int); i++)
printf("%i ---i=%i \n", in[i], i);*/
// Déplacer les éléments d'entrées sur la mémoire partagée
temp[lindex] = in[gindex];
if (threadIdx.x < RADIUS) {
temp[lindex - RADIUS] = (gindex >= RADIUS)?in[gindex - RADIUS]:0; // Récuprère le Halo avant les valeurs du block
temp[lindex + BLOCK_SIZE] = ((gindex + BLOCK_SIZE)<N)?in[gindex + BLOCK_SIZE]:0; // Récupère le Halo après les valeurs du block
}
__syncthreads(); // Synchronisation des Threads d'un même Block
int result = 0;
for (int offset = -RADIUS; offset <= RADIUS ; offset++)
result += temp[lindex + offset];
out[gindex] = result;
}
int main()
{
int size = N * sizeof(int);
/******************** Utilisation de la fonction GPU stencil_1d ********************/
int *in, *out; // Variable sur la mémoire Host
int *d_in, *d_out; //Variable sur la mémoire Device
// Allocation de la mémore aux variables sur le Device
cudaMalloc((void**)&d_in, size);
cudaMalloc((void**)&d_out, size);
// Allocation de la mémoire aux variables de Host
in = (int*)malloc(size); random_ints(in, N);
out = (int*)malloc(size);
// Copie des valeurs des variables de Host vers Device
cudaMemcpy(d_in, in, size, cudaMemcpyHostToDevice);
cudaMemcpy(d_out, out, size, cudaMemcpyHostToDevice);
// Exécution de la fonction sur le Device (ici 3 Blocks, 10 Threads)
stencil_1d <<<N/THREADS_PER_BLOCK, THREADS_PER_BLOCK>>>(d_in, d_out);
// Récupération de la variable out de Device vers Host
cudaMemcpy(out, d_out, size, cudaMemcpyDeviceToHost);
// Affichage du résultat
for(int i=0; i<N; i++)
printf("%i ---i=%i \n", out[i], i);
// Libération de la mémoire prise par les variables sur Host
free(in); free(out);
// Libération de la mémoire prise par les variables sur le Device
cudaFree(d_in); cudaFree(d_out);
return 0;
}
$ nvcc -o t280 t280.cu
$ cuda-memcheck ./t280
========= CUDA-MEMCHECK
4 ---i=0
5 ---i=1
6 ---i=2
7 ---i=3
7 ---i=4
7 ---i=5
7 ---i=6
7 ---i=7
7 ---i=8
7 ---i=9
7 ---i=10
7 ---i=11
7 ---i=12
7 ---i=13
7 ---i=14
7 ---i=15
7 ---i=16
7 ---i=17
7 ---i=18
7 ---i=19
7 ---i=20
7 ---i=21
7 ---i=22
7 ---i=23
7 ---i=24
7 ---i=25
7 ---i=26
6 ---i=27
5 ---i=28
4 ---i=29
========= ERROR SUMMARY: 0 errors
$
我们在模板输出的每一端得到 4、5、6 的原因是我们为上面的第 2 项在内核中设置的限制,以避免越界索引。如果需要,您可以更改此边界行为。
还有一条评论:现在您的代码选择了 N
和 THREADS_PER_BLOCK
以便它可以被均分。只要您这样做(并遵守其他限制,例如每 block 1024 的最大线程数),您应该可以使用此代码。为了充分的灵 active other changes should be made ,但是我在这里描述的应该足以让您克服这些错误。
关于c++ - CUDA : stencil code not working,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51969703/
这是我关于 Stack Overflow 的第一个问题,这是一个很长的问题。 tl;dr 版本是:我如何使用 thrust::device_vector如果我希望它存储不同类型的对象 DerivedC
我已使用 cudaMalloc 在设备上分配内存并将其传递给内核函数。是否可以在内核完成执行之前从主机访问该内存? 最佳答案 我能想到的在内核仍在执行时启动 memcpy 的唯一方法是在与内核不同的流
是否可以在同一节点上没有支持 CUDA 的设备的情况下编译 CUDA 程序,仅使用 NVIDIA CUDA Toolkit...? 最佳答案 你的问题的答案是肯定的。 nvcc编译器驱动程序与设备的物
我不知道 cuda 不支持引用参数。我的程序中有这两个函数: __global__ void ExtractDisparityKernel ( ExtractDisparity& es)
我正在使用 CUDA 5.0。我注意到编译器将允许我在内核中使用主机声明的 int 常量。但是,它拒绝编译任何使用主机声明的 float 常量的内核。有谁知道这种看似差异的原因? 例如,下面的代码可以
自从 CUDA 9 发布以来,显然可以将不同的线程和 block 分组到同一组中,以便您可以一起管理它们。这对我来说非常有用,因为我需要启动一个包含多个 block 的内核并等待所有 block 都同
我需要在 CUDA 中执行三线性插值。这是问题定义: 给定三个点向量:x[nx]、y[ny]、z[nz] 和一个函数值矩阵func[nx][ny][nz],我想在 x、y 范围之间的一些随机点处找到函
我认为由于 CUDA 可以执行 64 位 128 位加载/存储,因此它可能具有一些用于加/减/等的内在函数。像 float3 这样的向量类型,在像 SSE 这样更少的指令中。 CUDA 有这样的功能吗
我有一个问题,每个线程 block (一维)必须对共享内存内的一个数组进行扫描,并执行几个其他任务。 (该数组最多有 1024 个元素。) 有没有支持这种操作的好库? 我检查了 Thrust 和 Cu
我对线程的形成和执行方式有很多疑惑。 首先,文档将 GPU 线程描述为轻量级线程。假设我希望将两个 100*100 矩阵相乘。如果每个元素都由不同的线程计算,则这将需要 100*100 个线程。但是,
我正在尝试自己解决这个问题,但我不能。 所以我想听听你的建议。 我正在编写这样的内核代码。 VGA 是 GTX 580。 xxxx >> (... threadNum ...) (note. Shar
查看 CUDA Thrust 代码中的内核启动,似乎它们总是使用默认流。我可以让 Thrust 使用我选择的流吗?我在 API 中遗漏了什么吗? 最佳答案 我想在 Thrust 1.8 发布后更新 t
我想知道 CUDA 应用程序的扭曲调度顺序是否是确定性的。 具体来说,我想知道在同一设备上使用相同输入数据多次运行同一内核时,warp 执行的顺序是否会保持不变。如果没有,是否有任何东西可以强制对扭曲
一个 GPU 中可以有多少个 CUDA 网格? 两个网格可以同时存在于 GPU 中吗?还是一台 GPU 设备只有一个网格? Kernel1>(dst1, param1); Kernel1>(dst2,
如果我编译一个计算能力较低的 CUDA 程序,例如 1.3(nvcc 标志 sm_13),并在具有 Compute Capability 2.1 的设备上运行它,它是否会利用 Compute 2.1
固定内存应该可以提高从主机到设备的传输速率(api 引用)。但是我发现我不需要为内核调用 cuMemcpyHtoD 来访问这些值,也不需要为主机调用 cuMemcpyDtoA 来读取值。我不认为这会奏
我希望对 CUDA C 中负载平衡的最佳实践有一些一般性的建议和说明,特别是: 如果经纱中的 1 个线程比其他 31 个线程花费的时间长,它会阻止其他 31 个线程完成吗? 如果是这样,多余的处理能力
CUDA 中是否有像 opencl 一样的内置交叉和点积,所以 cuda 内核可以使用它? 到目前为止,我在规范中找不到任何内容。 最佳答案 您可以在 SDK 的 cutil_math.h 中找到这些
有一些与我要问的问题类似的问题,但我觉得它们都没有触及我真正要寻找的核心。我现在拥有的是一种 CUDA 方法,它需要将两个数组定义到共享内存中。现在,数组的大小由在执行开始后读入程序的变量给出。因此,
经线是 32 根线。 32 个线程是否在多处理器中并行执行? 如果 32 个线程没有并行执行,则扭曲中没有竞争条件。 在经历了一些例子后,我有了这个疑问。 最佳答案 在 CUDA 编程模型中,warp
我是一名优秀的程序员,十分优秀!