我正在尝试在CUDA中对一个数组进行并行归约求和。目前我传递一个数组，在其中存储每个块中元素的总和。这是我的代码：
#include <cstdlib>
#include <iostream>
#include <cuda.h>
#include <cuda_runtime_api.h>
#include <helper_cuda.h>
#include <host_config.h>
#define THREADS_PER_BLOCK 256
#define CUDA_ERROR_CHECK(ans) { gpuAssert((ans), __FILE__, __LINE__); }
using namespace std;
inline void gpuAssert(cudaError_t code, char *file, int line, bool abort=true)
{
if (code != cudaSuccess)
{
fprintf(stderr,"GPUassert: %s %s %d\n", cudaGetErrorString(code), file, line);
if (abort) exit(code);
}
}
struct double3c {
double x;
double y;
double z;
__host__ __device__ double3c() : x(0), y(0), z(0) {}
__host__ __device__ double3c(int x_, int y_, int z_) : x(x_), y(y_), z(z_) {}
__host__ __device__ double3c& operator+=(const double3c& rhs) { x += rhs.x; y += rhs.y; z += rhs.z;}
__host__ __device__ double3c& operator/=(const double& rhs) { x /= rhs; y /= rhs; z /= rhs;}
};
class VectorField {
public:
double3c *data;
int size_x, size_y, size_z;
bool is_copy;
__host__ VectorField () {}
__host__ VectorField (int x, int y, int z) {
size_x = x; size_y = y; size_z = z;
is_copy = false;
CUDA_ERROR_CHECK (cudaMalloc(&data, x * y * z * sizeof(double3c)));
}
__host__ VectorField (const VectorField& other) {
size_x = other.size_x; size_y = other.size_y; size_z = other.size_z;
this->data = other.data;
is_copy = true;
}
__host__ ~VectorField() {
if (!is_copy) CUDA_ERROR_CHECK (cudaFree(data));
}
};
__global__ void KernelCalculateMeanFieldBlock (VectorField m, double3c* result) {
__shared__ double3c blockmean[THREADS_PER_BLOCK];
int index = threadIdx.x + blockIdx.x * blockDim.x;
if (index < m.size_x * m.size_y * m.size_z) blockmean[threadIdx.x] = m.data[index] = double3c(0, 1, 0);
else blockmean[threadIdx.x] = double3c(0,0,0);
__syncthreads();
for(int s = THREADS_PER_BLOCK / 2; s > 0; s /= 2) {
if (threadIdx.x < s) blockmean[threadIdx.x] += blockmean[threadIdx.x + s];
__syncthreads();
}
if(threadIdx.x == 0) result[blockIdx.x] = blockmean[0];
}
double3c CalculateMeanField (VectorField& m) {
int blocknum = (m.size_x * m.size_y * m.size_z - 1) / THREADS_PER_BLOCK + 1;
double3c *mean = new double3c[blocknum]();
double3c *cu_mean;
CUDA_ERROR_CHECK (cudaMalloc(&cu_mean, sizeof(double3c) * blocknum));
CUDA_ERROR_CHECK (cudaMemset (cu_mean, 0, sizeof(double3c) * blocknum));
KernelCalculateMeanFieldBlock <<<blocknum, THREADS_PER_BLOCK>>> (m, cu_mean);
CUDA_ERROR_CHECK (cudaPeekAtLastError());
CUDA_ERROR_CHECK (cudaDeviceSynchronize());
CUDA_ERROR_CHECK (cudaMemcpy(mean, cu_mean, sizeof(double3c) * blocknum, cudaMemcpyDeviceToHost));
CUDA_ERROR_CHECK (cudaFree(cu_mean));
for (int i = 1; i < blocknum; i++) {mean[0] += mean[i];}
mean[0] /= m.size_x * m.size_y * m.size_z;
double3c aux = mean[0];
delete[] mean;
return aux;
}
int main() {
VectorField m(100,100,100);
double3c sum = CalculateMeanField (m);
cout << sum.x << '\t' << sum.y << '\t' <<sum.z;
return 0;
}编辑
发布了功能代码。用10x10x10个元素构造VectorField可以很好地工作，平均值为1，但是用100x100x100个元素构造它，平均值为0.97（它因运行而异）。这是进行并行缩减的正确方法吗？还是我应该坚持每个块启动一个内核？
1条答案
按热度按时间jgzswidk1#
当我在linux上编译你现在拥有的代码时，我得到以下警告：
不应忽略此类警告。它与这行代码相关联：
由于存储在共享内存中的这些对象的初始化（由构造函数）将以某种任意顺序发生，并且在此与也将设置这些值的后续代码之间没有障碍，因此可能会发生 * 不可预知的事情 （）。
如果我在代码中插入一个
__syncthreads()，将构造函数活动与后续代码隔离，我会得到预期的结果：然而，这仍然给我们留下了警告。要解决这个问题并使警告消失，可以进行修改，动态分配必要的
__shared__大小。将共享内存声明更改为：然后修改你的内核调用：
这将消除警告，生成正确的结果，并避免共享内存变量上不必要的构造函数通信。（并且不再需要上面描述的附加
__syncthreads()。__shared__对象数组初始化为零（默认构造函数的行为）。因此，一些线程（即，warps）可以根据这一行抢先并开始填充共享存储器区域：然后，当其他线程束开始执行时，这些线程将再次清除整个共享内存阵列。这种竞争行为导致不可预测的结果。
**我通常不建议通过检查PTX来判断代码行为，但在这种情况下，它同样具有指导意义。最后的编译阶段不会优化构造函数的行为。