CUDA 线程寻址((threadIdx.x, threadIdx.y, threadIdx.z)和 block 寻址(blockidx.x, blockidx.y)

Question

我只需要澄清一些非常基本的东西 - 大多数计算示例都使用以下内容:

ID = blockIdx.x*blockDim.x+threadIdx.x；

//...然后对数组[ID]进行计算

我的问题是，如果我想在一个块中使用最大线程数(1024)，那么我是否真的需要考虑所有( threadIdx.x 、 threadIdx.y 、 threadIdx.z )来“构建”我的“线程ID”？ ) ?

如果是这样，将它散列成单个值的推荐方法是什么？

如果不是这样，为什么有人可以在与图像处理相关的操作中以类似的方式使用它，例如在这篇文章中:

https://stackoverflow.com/questions/11503406/cuda-addressing-a-matrix

怎么样blockidx.x和 blockidx.y ，他们和threaIdx 是同款鞋吗？在这方面？

Answer 1

通常会创建 2D 或 3D 线程块，因为问题本身会导致数据的 2D 或 3D 解释，而使用 2D 或 3D 线程块处理它可能会使代码更具可读性。但是没有具体的原因为什么它不能用具有适当索引的一维线程块来完成。

创建 2D 或 3D 网格(块的)通常是出于上述原因和/或为了绕过在网格的任何一个维度中的块数量(任何维度中的最大块数为 65535)的预 CC 3.0 设备的限制)。

对于线程块情况，您可以在单个维度的单个块中使用 1024 个线程，因此您无需使用 threadIdx.y 构造 ID 变量。或 threadIdx.z如果你不想。

如果您有 CC 3.0 之前的设备，并且您的问题在块方面足够大，您可能仍想构建一个 2D 网格。您仍然可以在该网格中使用一维线程块。在这种情况下，可以创建一个唯一的 ID 变量，如:

 int idx = threadIdx.x + (((gridDim.x * blockIdx.y) + blockIdx.x)*blockDim.x);  

上面的构造应该处理具有任何 2D 网格的 1D 线程块。

除了构建 2D 网格来处理大型问题之外，还有其他方法，例如让您的块在某种循环中处理多个数据块。