[英]Access vector of pointers to other vectors on a GPU
因此,这是对我所提出问题的跟进,目前在某些代码的CPU版本中,我有许多类似以下内容的内容:
for(int i =0;i<N;i++){
dgemm(A[i], B[i],C[i], Size[i][0], Size[i][1], Size[i][2], Size[i][3], 'N','T');
}
其中A [i]将是某个大小的2D矩阵。
我希望能够在使用CULA的GPU上做到这一点(我不只是在做乘法,所以我需要CULA中的线性代数运算),例如:
for(int i =0;i<N;i++){
status = culaDeviceDgemm('T', 'N', Size[i][0], Size[i][0], Size[i][0], alpha, GlobalMat_d[i], Size[i][0], NG_d[i], Size[i][0], beta, GG_d[i], Size[i][0]);
}
但是我想在程序开始时将B预先存储,因为B不变,所以我需要一个向量,该向量包含指向构成B的向量集的指针。
我目前有以下代码可以编译:
double **GlobalFVecs_d;
double **GlobalFPVecs_d;
extern "C" void copyFNFVecs_(double **FNFVecs, int numpulsars, int numcoeff){
cudaError_t err;
GlobalFPVecs_d = (double **)malloc(numpulsars * sizeof(double*));
err = cudaMalloc( (void ***)&GlobalFVecs_d, numpulsars*sizeof(double*) );
checkCudaError(err);
for(int i =0; i < numpulsars;i++){
err = cudaMalloc( (void **) &(GlobalFPVecs_d[i]), numcoeff*numcoeff*sizeof(double) );
checkCudaError(err);
err = cudaMemcpy( GlobalFPVecs_d[i], FNFVecs[i], sizeof(double)*numcoeff*numcoeff, cudaMemcpyHostToDevice );
checkCudaError(err);
}
err = cudaMemcpy( GlobalFVecs_d, GlobalFPVecs_d, sizeof(double*)*numpulsars, cudaMemcpyHostToDevice );
checkCudaError(err);
}
但是如果我现在尝试使用以下方法访问它:
dim3 dimBlock(BLOCK_SIZE, BLOCK_SIZE);
dim3 dimGrid;//((G + dimBlock.x - 1) / dimBlock.x,(N + dimBlock.y - 1) / dimBlock.y);
dimGrid.x=(numcoeff + dimBlock.x - 1)/dimBlock.x;
dimGrid.y = (numcoeff + dimBlock.y - 1)/dimBlock.y;
for(int i =0; i < numpulsars; i++){
CopyPPFNF<<<dimGrid, dimBlock>>>(PPFMVec_d, GlobalFVecs_d[i], numpulsars, numcoeff, i);
}
这是段错误,这不是如何获取数据吗?
我正在调用的核心功能只是:
__global__ void CopyPPFNF(double *FNF_d, double *PPFNF_d, int numpulsars, int numcoeff, int thispulsar) {
// Each thread computes one element of C
// by accumulating results into Cvalue
int row = blockIdx.y * blockDim.y + threadIdx.y;
int col = blockIdx.x * blockDim.x + threadIdx.x;
int subrow=row-thispulsar*numcoeff;
int subcol=row-thispulsar*numcoeff;
__syncthreads();
if(row >= (thispulsar+1)*numcoeff || col >= (thispulsar+1)*numcoeff) return;
if(row < thispulsar*numcoeff || col < thispulsar*numcoeff) return;
FNF_d[row * numpulsars*numcoeff + col] += PPFNF_d[subrow*numcoeff+subcol];
}
我做错了吗? 最终请注意,我也想作为第一个示例,在每个GlobalFVecs_d [i]上调用cula函数,但现在甚至行不通。
您认为这是执行此操作的最佳方法吗? 如果有可能只传递CULA函数,则可以对大型连续向量进行切片,但是我不知道它是否支持。
干杯林德利
改变这个:
CopyPPFNF<<<dimGrid, dimBlock>>>(PPFMVec_d, GlobalFVecs_d[i], numpulsars, numcoeff, i);
对此:
CopyPPFNF<<<dimGrid, dimBlock>>>(PPFMVec_d, GlobalFPVecs_d[i], numpulsars, numcoeff, i);
而且我相信它将成功。
您处理指针的方法大部分是正确的。 但是,将GlobalFVecs_d[i]
放在参数列表中时,您正在强制内核设置代码(在主机上运行)采用GlobalFVecs_d
(使用cudaMalloc
创建的设备指针),在指针值上添加适当缩放的i
,然后取消对结果指针的引用,以检索要作为参数传递给内核的值。 但是我们不允许在主机代码中取消引用设备指针。
但是,由于您的方法学基本上是正确的,因此您可以在主机上方便地使用相同指针的 并行数组 。 我们可以在主机代码中将此数组( GlobalFPVecs_d
)取消引用,以检索结果的设备指针,并传递给内核。
这是一个有趣的错误,因为正常情况下内核不会发生段错误(尽管它们可能会引发错误),因此内核调用行上的段错误并不常见。 但是在这种情况下,seg错误发生在内核设置代码中,而不是内核本身。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.