Question

我正在尝试使用此代码对数组求和，而且我被卡住了。我可能需要一些“CUDA for dummies tutorial”，因为我花了很多时间进行这样的基本操作而且我无法使它工作。

以下列出了我不理解或不确定的事项：

我应该使用多少块（dimGrid）？我认为应该是N/dimBlock.x/2（N =输入数组的长度），因为在内核的开头，数据被加载并从全局内存的两个“块”添加到共享内存
原始代码中有blockSize。我用blockDim.x替换它，因为我不知道这些变量是如何不同的。但是当blockSize = blockDim.x时，gridSize = blockDim.x*2*gridDim.x对我没有意义 - gridSize将大于N. * Dim.x和*之间有什么区别？在一维数组的上下文中的大小？
主逻辑 - 在内核中，每个块总和2 * dimBlock（块中的线程）数。当N = 262144且dimBlock = 128时，内核返回1024个部分和数组。然后我再次运行内核，结果= 4个部分总和。最后，在上一次运行中，返回单个sum，因为数组由单个块处理。
我求和二进制数组。在第一次运行中，我可以使用uchar4作为输入数据。在第二次和第三次运行中，我将使用int。

请告诉我，我错过了什么

由于

__global__ void sum_reduction(uchar4* g_idata, int* g_odata, int N) { 

extern __shared__ int s_data[]; 

unsigned int tid = threadIdx.x;
unsigned int i = blockIdx.x*(blockDim.x*2) + tid;
unsigned int gridSize = blockDim.x*2*gridDim.x;

while (i < N) {
    s_data[tid] += g_idata[i].x + g_idata[i+blockDim.x].x +
            g_idata[i].y + g_idata[i+blockDim.x].y +
            g_idata[i].z + g_idata[i+blockDim.x].z +
            g_idata[i].w + g_idata[i+blockDim.x].w;
    i += gridSize;
}
__syncthreads();

if (tid < 64) {
    s_data[tid] += s_data[tid + 64];
}
__syncthreads(); 

if (tid < 32) { 
    volatile int *s_ptr = s_data; 
    s_ptr[tid] += s_ptr[tid + 32];
    s_ptr[tid] += s_ptr[tid + 16];
    s_ptr[tid] += s_ptr[tid + 8]; 
    s_ptr[tid] += s_ptr[tid + 4];
    s_ptr[tid] += s_ptr[tid + 2]; 
    s_ptr[tid] += s_ptr[tid + 1]; 
} 
if (tid == 0) {
    g_odata[blockIdx.x] = s_data[0];
} 
}


main{
...
dim3 dimBlock(128);
dim3 dimGrid(N/dimBlock.x);
sum_reduction<<<dimGrid, dimBlock>>>(in, out, N);
...
}

Answer 1

像这样调用内核可以解决问题。

dim3 dimBlock(128);
dim3 dimGrid(N/dimBlock.x);
int smemSize = dimBlock.x * sizeof(int);
sum_reduction<<<dimGrid, dimBlock, smemSize>>>(in, out, N);

Answer 2

好的，我想你需要重新开始。请参阅reduction

上的NVIDiA分步流程指南

CUDA减少 - 基础知识

2 个答案: