c++ - 使用主机上CUDA内核中动态分配的数据

Question

我正在尝试在管理一些内存的设备上建立一个容器类。
该内存是动态分配的，并在内核中的对象构建期间填充。
根据可以在内核中使用简单new []完成的文档（在Visual Studio 2012中将CUDA 8.0与计算能力5.0一起使用）。
之后，我想以主机代码访问容器内部的数据（例如用于测试所有值是否正确）。

DeviceContainer类的最低版本如下所示：

class DeviceContainer 
{
public:
   __device__ DeviceContainer(unsigned int size);
   __host__ __device__ ~DeviceContainer();

   __host__ __device__ DeviceContainer(const DeviceContainer & other);
   __host__ __device__ DeviceContainer & operator=(const DeviceContainer & other);

   __host__ __device__ unsigned int getSize() const { return m_sizeData; }
   __device__ int * getDataDevice() const { return mp_dev_data; }
   __host__ int* getDataHost() const;

private:
   int * mp_dev_data;
   unsigned int m_sizeData;
};


__device__ DeviceContainer::DeviceContainer(unsigned int size) :
      m_sizeData(size), mp_dev_data(nullptr) 
{
   mp_dev_data = new int[m_sizeData];

   for(unsigned int i = 0; i < m_sizeData; ++i) {
      mp_dev_data[i] = i;
   }
}


__host__ __device__ DeviceContainer::DeviceContainer(const DeviceContainer & other) : 
  m_sizeData(other.m_sizeData)
{
#ifndef __CUDA_ARCH__
   cudaSafeCall( cudaMalloc((void**)&mp_dev_data, m_sizeData * sizeof(int)) );
   cudaSafeCall( cudaMemcpy(mp_dev_data, other.mp_dev_data, m_sizeData * sizeof(int), cudaMemcpyDeviceToDevice) );
#else
   mp_dev_data = new int[m_sizeData];
   memcpy(mp_dev_data, other.mp_dev_data, m_sizeData * sizeof(int));
#endif
}


__host__ __device__ DeviceContainer::~DeviceContainer()
{
#ifndef __CUDA_ARCH__
   cudaSafeCall( cudaFree(mp_dev_data) );
#else
   delete[] mp_dev_data;
#endif
   mp_dev_data = nullptr;
}


__host__ __device__ DeviceContainer & DeviceContainer::operator=(const DeviceContainer & other)
{
   m_sizeData = other.m_sizeData;

 #ifndef __CUDA_ARCH__
   cudaSafeCall( cudaMalloc((void**)&mp_dev_data, m_sizeData * sizeof(int)) );
   cudaSafeCall( cudaMemcpy(mp_dev_data, other.mp_dev_data, m_sizeData * sizeof(int), cudaMemcpyDeviceToDevice) );
#else
   mp_dev_data = new int[m_sizeData];
   memcpy(mp_dev_data, other.mp_dev_data, m_sizeData * sizeof(int));
#endif

   return *this;
}


__host__ int* DeviceContainer::getDataHost() const
{
   int * pDataHost = new int[m_sizeData];
   cudaSafeCall( cudaMemcpy(pDataHost, mp_dev_data, m_sizeData * sizeof(int), cudaMemcpyDeviceToHost) );
   return pDataHost;
}

它仅管理数组 mp_dev_data。
创建该数组并在构造期间将其填充为连续的值，这仅应在设备上可行。 （请注意，实际上容器的大小可能彼此不同。）

我想我需要提供一个复制构造函数和一个赋值运算符，因为我不知道其他任何方法来填充内核中的数组。 （请参阅下面的问题3。）
由于复制和删除也可以在主机上进行，因此 __CUDA_ARCH__用于确定我们要编译的执行路径。在主机上使用 cudaMemcpy和 cudaFree，在设备上我们只能使用 memcpy和 delete[]。

创建对象的内核非常简单：

__global__ void createContainer(DeviceContainer * pContainer, unsigned int numContainer, unsigned int containerSize)
{
   unsigned int offset = blockIdx.x * blockDim.x + threadIdx.x;

   if(offset < numContainer)
   {
      pContainer[offset] = DeviceContainer(containerSize);
   }
}

范围内的一维网格中的每个线程都会创建一个容器对象。

然后，main函数为设备和主机上的容器（在本例中为90000）分配数组，调用内核并尝试使用对象：

void main()
{
   const unsigned int numContainer = 90000;
   const unsigned int containerSize = 5;

   DeviceContainer * pDevContainer;
   cudaSafeCall( cudaMalloc((void**)&pDevContainer, numContainer * sizeof(DeviceContainer)) );

   dim3 blockSize(1024, 1, 1);
   dim3 gridSize((numContainer + blockSize.x - 1)/blockSize.x , 1, 1);

   createContainer<<<gridSize, blockSize>>>(pDevContainer, numContainer, containerSize);
   cudaCheckError();

   DeviceContainer * pHostContainer = (DeviceContainer *)malloc(numContainer * sizeof(DeviceContainer)); 
   cudaSafeCall( cudaMemcpy(pHostContainer, pDevContainer, numContainer * sizeof(DeviceContainer), cudaMemcpyDeviceToHost) );

   for(unsigned int i = 0; i < numContainer; ++i)
   {
      const DeviceContainer & dc = pHostContainer[i];

      int * pData = dc.getDataHost();
      for(unsigned int j = 0; j < dc.getSize(); ++j)
      {
         std::cout << pData[j];
      }
      std::cout << std::endl;
      delete[] pData;
   }

   free(pHostContainer);
   cudaSafeCall( cudaFree(pDevContainer) );
}

我必须在主机上使用 malloc进行数组创建，因为我不想为 DeviceContainer使用默认构造函数。
我尝试通过内部仅调用 getDataHost()的 cudaMemcpy访问容器内的数据。

cudaSafeCall和 cudaCheckError是简单的宏，用于评估函数oder返回的 cudaError主动轮询最后一个错误。为了完整性：

#define cudaSafeCall(error) __cudaSafeCall(error, __FILE__, __LINE__)
#define cudaCheckError()    __cudaCheckError(__FILE__, __LINE__)

inline void __cudaSafeCall(cudaError error, const char *file, const int line)
{
   if (error != cudaSuccess)
   {
      std::cerr << "cudaSafeCall() returned:" << std::endl;
      std::cerr << "\tFile: " << file << ",\nLine: " << line << " - CudaError " << error << ":" << std::endl;
      std::cerr << "\t" << cudaGetErrorString(error) << std::endl;

      system("PAUSE");
      exit( -1 );
   }
}


inline void __cudaCheckError(const char *file, const int line)
{
   cudaError error = cudaDeviceSynchronize();
   if (error != cudaSuccess)
   {
      std::cerr << "cudaCheckError() returned:" << std::endl;
      std::cerr << "\tFile: " << file << ",\tLine: " << line << " - CudaError " << error << ":" << std::endl;
      std::cerr << "\t" << cudaGetErrorString(error) << std::endl;

      system("PAUSE");
      exit( -1 );
   }
}

这段代码有3个问题：


如果按此处介绍的那样执行，我将收到内核的“未指定启动失败”。 Nsight调试器使我在 mp_dev_data = new int[m_sizeData];行上停止（无论在构造函数中还是在赋值运算符中），并在全局内存上报告了一些访问冲突。违反次数似乎在4到11之间是随机的，它们发生在非连续线程中，但始终在网格的上端附近（框85和86）。
如果我将 numContainer减小到10，则内核运行平稳，但是，即使 cudaMamcpy不为0， getDataHost()中的 mp_dev_data也会失败，并带有无效的参数错误。（我怀疑赋值有误，并且内存已被另一个对象删除。）
即使我想知道如何通过适当的内存管理正确地实现 DeviceContainer，对我而言，使其成为不可复制和不可分配也就足够了。但是，我不知道如何在内核中正确填充容器数组。也许像

DeviceContainer dc(5);
memcpy(&pContainer[offset], &dc, sizeof(DeviceContainer));

这将导致在析构函数中删除 mp_dev_data的问题。我将需要手动管理感觉很脏的内存删除。


我还尝试在内核代码中使用 malloc和 free而不是 new和 delete，但是结果是相同的。

很抱歉，我无法以简短的方式提出问题。

TL; DR：如何实现在内核中动态分配内存并且也可以在主机代码中使用的类？如何在内核中使用无法复制或分配的对象初始化数组？

任何帮助表示赞赏。谢谢。

Answer 1

显然答案是：我试图做的事或多或少是不可能的。
在内核中用new或malloc分配的内存不是放在全局内存中，而是放在主机无法访问的特殊堆内存中。

访问主机上所有内存的唯一选择是，首先在全局内存中分配一个足以容纳堆中所有元素的数组，然后编写一个将所有元​​素从堆复制到全局内存的内核。

访问冲突是由有限的堆大小引起的（可由cudaDeviceSetLimit(cudaLimitMallocHeapSize, size_t size)更改）。