Question

我在CUDA中分配数组数组时遇到了一些麻烦。

void ** data;
cudaMalloc(&data, sizeof(void**)*N); // allocates without problems
for(int i = 0; i < N; i++) {
    cudaMalloc(data + i, getSize(i) * sizeof(void*)); // seg fault is thrown
}

我错了什么？

Answer 1

您必须将指针分配给主机内存，然后为每个阵列分配设备内存并将其指针存储在主机内存中。然后分配内存以将指针存储到设备中然后将主机内存复制到设备内存。一个例子值1000字：

__global__ void multi_array_kernel( int N, void** arrays ){
    // stuff
}


int main(){

    const int N_ARRAYS = 20;
    void *h_array = malloc(sizeof(void*) * N_ARRAYS);
    for(int i = 0; i < N_ARRAYS; i++){
        cudaMalloc(&h_array[i], i * sizeof(void*));
        //TODO: check error
    }
    void *d_array = cudaMalloc(sizeof(void*) * N_ARRAYS);

    // Copy to device Memory
    cudaMemcpy(d_array, h_array, sizeof(void*) * N_ARRAYS, cudaMemcpyHostToDevice);

    multi_array_kernel<1,1>(N_ARRAYS, d_array);
    cudaThreadSynchronize();

    for(int i = 0; i < N_ARRAYS; i++){
        cudaFree(h_array[i]); //host not device memory
        //TODO: check error
    }
    cudaFree(d_array);
    free(h_array);
}

Answer 2

我不相信这是支持的。 cudaMalloc()分配设备内存，但将地址存储在主机上的变量中。在你的for循环中，你将它的地址传递给设备内存。

根据您要完成的操作，您可能希望在调用for循环之前将data与普通主机malloc()分配，就像您当前拥有它一样。或者分配一大块设备内存并手动计算偏移量。

请查看CUDA Programming Guide的第2.4,3.2.1和B.2.5节（底部），以便对此进行更多讨论。具体来说，在第108页的底部：

通过获取__device__，__shared__或地址获得的地址 __constant__变量只能在设备代码中使用。

Answer 3

我认为在第一个循环中它应该是&h_array[i]而不是&d_array[i]。

Answer 4

你不能使用

cudaMalloc(&h_array[i], i * sizeof(void*));

表示声明为void *

的数组

使用已定义的数据类型

CUdeviceptr *h_array = malloc(sizeof(CUdeviceptr *) * N);

或

int *h_array = malloc(sizeof(int *) * N);

并将其投放到void *

cudaMalloc((void *)&h_array[i], i * sizeof(void*));

Answer 5

nvidia论坛中的类似主题 - http://forums.nvidia.com/index.php?showtopic=69403&st=20

Answer 6

我有同样的问题并设法解决它。

FabrizioM的答案对我来说是一个很好的开始并帮助了我很多。但是当我尝试将代码传输到我的项目时，我遇到了一些问题。使用其他评论和帖子，我能够编写一个工作示例（VS2012，CUDA7.5）。因此，我将发布我的代码作为额外的答案，并作为开始其他人的点。

理解命名：我使用OpenCV cv :: Mat矢量作为输入，从多个摄像头捕获，我在内核中处理这些图像。

     void TransferCameraImageToCuda(const std::vector<cv::Mat*>* Images)
{

     int NumberCams     = Images->size();
     int imageSize      = Images->at(0)->cols*Images->at(0)->rows;

     CUdeviceptr*           CamArraysAdressOnDevice_H;
     CUdeviceptr*           CamArraysAdressOnDevice_D;


         //allocate memory on host to store the device-address of each array
         CamArraysAdressOnDevice_H = new CUdeviceptr[NumberCams];

         // allocate memory on the device and store the arrays on the device 
         for (int i = 0; i < NumberCams; i++){
             cudaMalloc((void**)&(CamArraysAdressOnDevice_H[i]), imageSize * sizeof(unsigned short));
             cudaMemcpy((void*)CamArraysAdressOnDevice_H[i], Images->at(i)->data, imageSize * sizeof(unsigned short), cudaMemcpyHostToDevice);
         }

         // allocate memory on the device to store the device-adresses of the arrays
         cudaMalloc((void**)&CamArraysAdressOnDevice_D, sizeof(CUdeviceptr*)* NumberCams);

         // Copy the adress of each device array to the device
         cudaMemcpy(CamArraysAdressOnDevice_D, CamArraysAdressOnDevice_H, sizeof(CUdeviceptr*)* NumberCams, cudaMemcpyHostToDevice);




}

在内核启动中，我将设备指针转换为数据类型指针（unsigned short **）

DummyKernel<<<gridDim,blockDim>>>(NumberCams, (unsigned short**) CamArraysAdressOnDevice_D)

，内核定义例如：

__global__ void DummyKernel(int NumberImages, unsigned short** CamImages)
{
    int someIndex = 3458;
    printf("Value Image 0 : %d \n", CamImages[0][someIndex]);
    printf("Value Image 1 : %d \n", CamImages[1][someIndex]);
    printf("Value Image 2 : %d \n", CamImages[2][someIndex]);
}

CUDA分配数组数组

6 个答案: