我有一个cuda内核，从单个CPU线程调用时工作正常。然而，当从多个CPU线程（~100）调用相同的内容时，大多数内核似乎根本没有被执行，因为结果全部为零。有人请指导我如何解决这个问题？
在当前版本的内核中，我在内核调用结束时使用cudadevicesynchronize()。在这种情况下，在cudaMalloc()和内核调用之前添加同步命令会有什么帮助吗？
还有一件事需要澄清。即如果两个CPU线程执行相同的cudaMalloc（）命令，后者会在GPU内存中覆盖前者还是会创建自己的内存？
提前感谢您的帮助
答案 0 :(得分：5)
通常一个CPU线程可用于调用CUDA内核。但是，从CUDA 4.0开始，多个CPU线程可以共享上下文。您可以使用cuCtxSetCurrent将内核的上下文绑定到当前线程。有关此API函数的更多信息，请参见here。
另一种解决方法是创建一个GPU工作线程来保存上下文并将任何CUDA请求传递给该线程。
关于你的另一个问题，没有为正确的线程设置上下文，我记得cudaMalloc甚至不会执行（我使用JCuda所以行为可能会有所不同）。但是如果上下文当前设置为调用内核，则不会覆盖内存。