盡管CudaSuccess，CUDA cudaMemCpy似乎沒有復制

Question

我剛開始使用CUDA，這是我的第一個項目。 我已經搜索了這個問題，雖然我注意到其他人也有類似的問題，但是這些建議似乎都與我的特定問題無關，也沒有對我的情況有所幫助。

作為練習，我試圖使用CUDA編寫n體模擬。 在此階段，我對我的特定實現是否高效不感興趣，我只是在尋找可行的方法，以后可以對其進行改進。 一旦工作，我還需要稍后更新代碼，以使用我的SLI配置。

這是該過程的簡要概述：

1. 創建X和Y位置，速度，加速度矢量。
2. 在GPU上創建相同的向量並跨向量復制值
3. 在一個循環中：（i）計算迭代的加速度，（ii）將加速度應用於速度和位置，並且（iii）將位置復制回主機以供顯示。

（顯示尚未實現。我將在以后進行）

現在不用擔心加速度計算功能，這是更新功能：

__global__ void apply_acc(double* pos_x, double* pos_y, double* vel_x, double* vel_y, double* acc_x, double* acc_y, int N)
{
    int i = threadIdx.x;

    if (i < N);
    {
        vel_x[i] += acc_x[i];
        vel_y[i] += acc_y[i];

        pos_x[i] += vel_x[i];
        pos_y[i] += vel_y[i];
    }
}

這是main方法中的一些代碼：

cudaError t;

t = cudaMalloc(&d_pos_x, N * sizeof(double));
t = cudaMalloc(&d_pos_y, N * sizeof(double));
t = cudaMalloc(&d_vel_x, N * sizeof(double));
t = cudaMalloc(&d_vel_y, N * sizeof(double));
t = cudaMalloc(&d_acc_x, N * sizeof(double));
t = cudaMalloc(&d_acc_y, N * sizeof(double));

t = cudaMemcpy(d_pos_x, pos_x, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_pos_y, pos_y, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_vel_x, vel_x, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_vel_y, vel_y, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_acc_x, acc_x, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_acc_y, acc_y, N * sizeof(double), cudaMemcpyHostToDevice);

while (true)
{
    calc_acc<<<1, N>>>(d_pos_x, d_pos_y, d_vel_x, d_vel_y, d_acc_x, d_acc_y, N);
    apply_acc<<<1, N>>>(d_pos_x, d_pos_y, d_vel_x, d_vel_y, d_acc_x, d_acc_y, N);

    t = cudaMemcpy(pos_x, d_pos_x, N * sizeof(double), cudaMemcpyDeviceToHost);
    t = cudaMemcpy(pos_y, d_pos_y, N * sizeof(double), cudaMemcpyDeviceToHost);

    std::cout << pos_x[0] << std::endl;
}

在每個循環中， cout寫入相同的值，無論原始創建位置數組時將其設置為什么隨機值。 如果我將apply_acc的代碼apply_acc為類似以下內容：

__global__ void apply_acc(double* pos_x, double* pos_y, double* vel_x, double* vel_y, double* acc_x, double* acc_y, int N)
{
    int i = threadIdx.x;

    if (i < N);
    {
        pos_x[i] += 1.0;
        pos_y[i] += 1.0;
    }
}

那么它仍然會提供相同的值，因此不會調用apply_acc或cudaMemcpy不會將數據復制回去。

所有的cudaMalloc和cudaMemcpy調用都返回cudaScuccess 。

這里是完整代碼的PasteBin鏈接。 遵循起來應該很簡單，因為各種數組都有很多重復。

就像我說的那樣，我以前從未編寫過CUDA代碼，而是根據NVidia的＃2 CUDA示例視頻編寫的，該人員編寫了並行數組附加代碼。 我不確定是否會有所不同，但是我將2x GTX970與最新的NVidia驅動程序和CUDA 7.0 RC一起使用，並且我選擇在安裝CUDA時不安裝捆綁的驅動程序，因為它們比我的要舊。

Answer 1

這行不通：

const int N = 100000;
...
calc_acc<<<1, N>>>(...);
apply_acc<<<1, N>>>(...);

內核啟動配置（ <<<...>>> ）的第二個參數是每個塊的線程參數。 根據您的編譯方式，它限制為512或1024。 這些內核將不會啟動，並且需要通過使用正確的CUDA錯誤檢查來捕獲由此產生的錯誤類型。 僅查看后續CUDA API函數的返回值將不會表明存在這種類型的錯誤（這就是為什么您隨后看到cudaSuccess原因）。

關於概念本身，我建議您進一步了解CUDA線程和塊層次結構 。 要啟動大量線程，您需要使用內核啟動配置的兩個參數（即前兩個參數中的一個都不為1）。 通常從性能角度來看也是建議的。