Question

我有以下代码，当它与1维块一起使用时可以正常工作：

__global__ void dot_product_large_arrays( int N, double *a, double *b,
                     double *res)
{

  __shared__ double cache[TILE_DIM];
  int tid = threadIdx.x + blockIdx.x * blockDim.x;
  int i = 0, cacheIndex = 0;
  double temp = 0;
  cacheIndex = threadIdx.x;

  while (tid < N) {
    temp += a[tid] * b[tid];
    tid += blockDim.x*gridDim.x;
  }
  cache[cacheIndex] = temp;
  __syncthreads();

  for (i = blockDim.x/2; i > 0; i>>=1) {
    if (threadIdx.x < i) {
      cache[threadIdx.x] += cache[threadIdx.x + i];
    }
    __syncthreads();
  }
  __syncthreads();

  if (cacheIndex == 0) {
    atomicAdd(res, cache[0]);
  }
}

现在，我的数组大小为9000*9000，不适合可用于计算的块数。我曾考虑使用X和Y中的块来扩展它，所以我的修改是：

int tid = threadIdx.x + blockIdx.x * blockDim.x +
       blockDim.x*gridDim.x*blockIdx.y;
                  ...
while (tid < N) {
    temp += a[tid] * b[tid];
    tid += blockDim.x*gridDim.x*blockIdx.y*grimDim.y;
  }

和我的内核调用

int totalThreads = 9000*9000;
int blockSize = 512;
int blockDimY = 256;
int blockDimX = (totalThreads/( blockSize*blockDimY))+ 1;

dim3 dimGrid(blockDimX,blockDimY);
dim3 dimBlock(blockSize);

dot_product_large_arrays <<< dimGrid, dimBlock >>>(totalThreads, d_a, d_b, d_res);

它编译，它运行但从未完成（？！），我在这里做错了什么想法？

Answer 1

看起来你正在增加tid的行是问题：

 while (tid < N) {  
    temp += a[tid] * b[tid];  
    tid += blockDim.x * gridDim.x * blockIdx.y * grimDim.y; //blockIdx.y can be zero
 }

至少有一个块的块y索引为0，这意味着您将递增0并导致一个或多个线程进入无限循环。

使用2D块的CUDA点积

1 个答案: