Question

我从斯坦福找到了使用共享内存的this并行缩减代码。

代码是1＆lt;＆lt;＆lt; 18数量的元素的示例，其等于262144并且获得正确的结果。

为什么对于一定数量的元素，我得到了正确的结果，对于其他数量的元素，如200000或25000，我会得到与预期不同的结果？在我看来它总是指定所需的线程块

Answer 1

// launch a single block to compute the sum of the partial sums
block_sum<<<1,num_blocks,num_blocks * sizeof(float)>>>

此代码导致错误。

假设numblocks是13，

然后在内核blockDim.x / 2将是6，和

if(threadIdx.x < offset)
{
    // add a partial sum upstream to our own
    sdata[threadIdx.x] += sdata[threadIdx.x + offset]; 
}

只会添加导致错误的前12个元素。

当元素数为200000或250000时，num_blocks将为奇数并导致错误，即使是num_blocks它也能正常工作

Answer 2

此内核对内核的阻塞参数（网格和线程块大小）很敏感。您是否使用足够的线程调用它来覆盖输入大小？

使用for循环来构造这样的内核更加健壮 - 而不是：

unsigned int i = blockIdx.x * blockDim.x + threadIdx.x;

类似的东西：

for ( size_t i = blockIdx.x*blockDim.x + threadIdx.x;
      i < N;
      i += blockDim.x*gridDim.x ) {
    sum += in[i];
}

CUDA手册中的源代码有很多“阻止不可知”代码的例子。缩减代码在这里：