CUDA：總和值[0]每次執行變更

__global__ void gpu_Heat (float *h, float *g, float * sum, int N) { 
     int nbx, bx, nby, by; 
     float diff = 0.0; 
     nbx = (N-2)/blockDim.x; 
     bx = nbx/gridDim.x; 
     nby = (N-2)/blockDim.y; 
     by = nby/gridDim.y;  
     unsigned int ii = blockIdx.x*blockDim.x+threadIdx.x; 
     unsigned int jj = blockIdx.y*blockDim.y+threadIdx.y; 
     unsigned int jid = (ii)*(N-2)+(jj); 
     for (int i=1+ii*bx; i<=min((ii+1)*bx, N-2); i++) 
        for (int j=1+jj*by; j<=min((jj+1)*by, N-2); j++) { 
        g[i*N+j]= 0.25 * (h[ i*N + (j-1)]+ 
           h[ i*N +(j+1) ]+ 
           h[ (i-1)*N + j]+ 
           h[ (i+1)*N + j]); 
         diff = g[i*N+j] - h[i*N+j]; 
         sum[(i-1)*(N-2)+(j-1)] = diff * diff; 
       } 
     __syncthreads(); 
     for(unsigned int s=((N-2)*(N-2))/2; s>0; s>>=1){  
      if(jid<s){ 
       sum[jid]+=sum[jid+s];   
      } 
      __syncthreads();  

     } 
    }

所以在這裏我的問題是，總和[0]的值，即包含了與內核的每個執行並行減少變化的最終結果，即使投入是相同的，我不知道我做錯了什麼。如果在CPU中減少了相同的總和矩陣，那麼執行效果很好，但是GPU的並行減少會給我帶來問題。CUDA：總和值[0]每次執行變更

dim3 Grid = (16,16); 
    dim3 Block = (16,16); 
    gpu_Heat<<<Grid,Block>>>(dev_u, dev_uhelp, dev_sum, np); 
    cudaThreadSynchronize();      // wait for all threads to complete 
    cudaErrorCheck(cudaMemcpy(param.u,dev_u,np*np*sizeof(float),cudaMemcpyDeviceToHost)); 
    cudaErrorCheck(cudaMemcpy(param.uhelp,dev_uhelp,np*np*sizeof(float),cudaMemcpyDeviceToHost)); 
    cudaErrorCheck(cudaMemcpy(sum,dev_sum,sum_size*sizeof(float),cudaMemcpyDeviceToHost));

我在這裏已經明確地顯示了由我正在使用的測試中的代碼計算的塊和網格參數。感謝您的回答

來源

2014-01-06 MB_CE

你可以發佈內核的函數調用，以及你用來初始化內核的網格和塊參數，它有助於弄清楚它爲什麼會失敗 – Bharat

如上所述，但是如果它改變每個調用，這意味着你的代碼中的競爭條件！ –

@Bharat我已經添加了你問過的部分代碼。 –

您正在啓動具有多個模塊的GPU內核。雖然一個塊中的線程仍在計算第一個for循環中的sum，但其他一些塊可能會在第二個for循環中進行並行減少。這兩個for循環具有數據依賴性。由於流式多處理器上的塊調度發生在場景後面，並且可能因運行而異，因此每次都會得到不同的結果。 __syncthreads();for之間循環同步塊內的線程，但沒有機制或指令在多個塊之間進行同步，除非返回主機併發出另一個內核。

就你而言，即使你簡單地將for循環分開，結果仍然可能是錯誤的，因爲你的減少發生在多個塊中，並且再次調度塊不是確定性的。

來源

2014-01-07 19:00:32 Farzad

感謝您的澄清。我錯誤地認爲syncthreads（）很像cudaDeviceSynchronize（）那樣同步內核的所有線程。 –

CUDA：總和值[0]每次執行變更

回答

相關問題