CUDA - 为傻瓜使用 CURAND 库

Question

我正在阅读 CURAND 库 API，我是 CUDA 的新手，我想看看是否有人真的可以向我展示一个使用 CURAND 库生成随机数的简单代码。我正在研究生成大量数字以用于离散事件模拟。我的任务只是开发使用 GPGPU 加速随机数生成的算法。我已经在标准 C 语言编程中实现了 LCG、乘法和 Fibonacci 方法。但是我想将这些代码“移植”到 CUDA 中并利用线程和 block 来加速生成随机数的过程。

链接 1:http://adnanboz.wordpress.com/tag/nvidia-curand/

那个人有我需要的两种方法(LCG 和 Mersenne Twister)，但代码没有提供太多细节。我想知道是否有人可以扩展这些初始实现，从而为我指明正确使用它们的正确方向。

谢谢!

Answer 1

您的问题具有误导性 - 您说“为傻瓜使用 cuRAND 库”，但您实际上并不想使用 cuRAND。如果我理解正确的话，您实际上想要从头开始实现您自己的 RNG，而不是使用 cuRAND 中可用的优化 RNG。

1. 第一个建议是重新审视您使用自己的 RNG 的决定，为什么不使用 cuRAND？如果统计属性适合您的应用程序，那么您最好使用 cuRAND，因为它已针对所有世代的 GPU 进行了调整。它包括 Marsaglia 的 XORWOW、l'Ecuyer 的 MRG32k3a 和 MTGP32 Mersenne Twister(以及用于 Quasi-RNG 的 Sobol)。
2. 您还可以查看 Thrust ，其中有一些简单的 RNG，例如请参阅 Monte Carlo sample .
3. 如果您真的需要创建自己的生成器，那么GPU Computing Gems 中有一些有用的技术。 ( Jade 版，第 16 章:随机数生成器的并行化技术)。

作为旁注，请记住虽然简单的 LCG 快速且易于跳过，但它们通常具有 fairly poor statistical properties特别是在使用大量绘图时。当您说您需要“Mersenne Twister”时，我假设您指的是 MT19937。引用的 Gems 书讨论了并行化 MT19937，但最初的开发人员创建了 MTGP 生成器(也在上面引用)，因为 MT19937 实现跳过相当复杂。

另请注意，仅使用不同的种子来实现并行化通常不是一个好主意，从统计上讲，您无法保证独立性。您需要跳过或蛙跳，或者使用其他一些技术(例如 DCMT )来确保序列之间没有相关性。