Question

我正在研究一项遗传计划，其中将一些繁重的工作移植到CUDA中。（以前只是OpenMP）。

它的运行速度不是很快，而且我收到了与递归相关的错误：

输入功能'_Z9KScoreOnePdPiS_S_P9CPPGPNode'的堆栈大小无法静态确定

我添加了一个在CUDA上运行的逻辑块。我相信它足以说明它是如何工作的。我很高兴听到我可以添加的其他优化，但我真的想接受递归，如果它会加快速度。

非常欢迎如何实现这一目标的例子。

__device__ double Fadd(double a, double b)   {
    return a + b;
};


__device__ double Fsubtract(double a, double b)   {
        return a - b;
};

__device__ double action (int fNo, double aa , double bb, double cc, double dd) {
    switch (fNo) {
    case 0 :
        return Fadd(aa,bb);
    case 1 :
        return Fsubtract(aa,bb);
    case 2 :
        return Fmultiply(aa,bb);
    case 3 :
        return Fdivide(aa,bb);
    default:
        return 0.0;
    }

}

__device__ double solve(int node,CPPGPNode * dev_m_Items,double * var_set) {
    if (dev_m_Items[node].is_terminal) {
        return var_set[dev_m_Items[node].tNo];
    } else {
        double values[4];
        for (unsigned int x = 0; x < 4; x++ ) {
            if (x < dev_m_Items[node].fInputs) {
                values[x] = solve(dev_m_Items[node].children[x],dev_m_Items,var_set);
            } else {
                values[x] = 0.0;
            }
        }
        return action(dev_m_Items[node].fNo,values[0],values[1],values[2],values[3]);
    }
}

__global__ void KScoreOne(double *scores,int * root_nodes,double * targets,double * cases,CPPGPNode * dev_m_Items) {
    int pid = blockIdx.x;

    // We only work if this node needs to be calculated
    if (root_nodes[pid] != -1) {
        for (unsigned int case_no = 0; case_no < FITNESS_CASES; case_no ++) {
            double result = solve(root_nodes[pid],dev_m_Items,&cases[case_no]);
            double target = targets[case_no];
            scores[pid] += abs(result - target);
        }
    }
}

我无法使任何堆栈示例适用于大型树结构，这就是解决的问题。

Answer 1

我现在已经解决了这个问题。将递归参数放入堆栈并不是一个例子，但它是一个非常相似的系统。

作为节点树创建的一部分，我将每个节点都附加到一个向量中。我现在使用http://en.wikipedia.org/wiki/Reverse_Polish_notation反向解决问题，这非常适合每个节点包含要执行的值或函数。

它也比递归版快〜20％，所以我很高兴！

从递归转换为迭代函数cuda c ++

1 个答案: