CUDA - 使用CURAND Library for Dummies

Question

我正在阅读CURAND Library API，我是CUDA的新手，我想看看是否有人能够真正向我展示一个使用CURAND库生成随机数的简单代码。我正在研究生成大量数字以用于离散事件模拟。我的任务是开发算法以使用GPGPU来加速随机数生成。我在标准C语言编程中实现了LCG，Multiplicative和Fibonacci方法。但是，我想将这些代码“移植”到CUDA中，并利用线程和块来加速生成随机数的过程。

链接1：http://adnanboz.wordpress.com/tag/nvidia-curand/

那个人有两种我需要的方法（LCG和Mersenne Twister），但代码没有提供太多细节。我想知道是否有人可以扩展这些初始实现，实际上指出我正确的方向如何正确使用它们。

谢谢！

Answer 1

您的问题具有误导性 - 您说“使用cuRAND Library for Dummies”但您实际上并不想使用cuRAND。如果我理解正确，您实际上想要从头开始实施您自己的 RNG，而不是使用cuRAND中提供的优化RNG。

1. 首先建议您重新考虑使用自己的RNG的决定，为什么不使用cuRAND？如果统计属性适合您的应用程序，那么您可以更好地使用cuRAND，因为它已经针对所有GPU的GPU进行了调整。它包括Marsaglia的XORWOW，l'Ecuyer的MRG32k3a，以及MTGP32 Mersenne Twister（以及准RNG的Sobol'）。
2. 您还可以查看Thrust，其中包含一些简单的RNG，例如，请参阅Monte Carlo sample。
3. 如果你真的需要创建自己的生成器，那么GPU Computing Gems中有一些有用的技术（翡翠版，第16章：随机数生成器的并行化技术）。

作为旁注，请记住，虽然简单的LCG快速且易于跳过，但它们通常具有fairly poor statistical properties，尤其是在使用大量绘图时。当你说你需要“Mersenne Twister”时，我认为你的意思是MT19937。引用的Gems书讨论了并行化MT19937，但原始开发人员创建了MTGP生成器（也在上面引用），因为MT19937实现跳过是相当复杂的。

另外，另一方面注意，仅使用不同的种子实现并行化通常是一个坏主意，从统计上来说，您无法确保独立性。您需要跳过或跳跃，或者使用其他技术（例如DCMT）来确保序列之间没有相关性。