__global__内核中的棘手数组算术（CUDA样本）

Question

我对CUDA样本“CUDA可分离卷积”中的代码有疑问。为了进行行卷积，此代码首先将数据加载到共享内存中。使用指针算术，每个线程将输入指针移动到它们自己的位置，然后将一些全局内存写入共享内存。以下是令我困惑的代码：

__global__ void convolutionRowsKernel(
    float *d_Dst,
    float *d_Src,
    int imageW,
    int imageH,
    int pitch
    )
{
    __shared__ float s_Data[ROWS_BLOCKDIM_Y][(ROWS_RESULT_STEPS + 2 *     ROWS_HALO_STEPS) * ROWS_BLOCKDIM_X];

    //Offset to the left halo edge
    const int baseX = (blockIdx.x * ROWS_RESULT_STEPS - ROWS_HALO_STEPS) * ROWS_BLOCKDIM_X + threadIdx.x;
    const int baseY = blockIdx.y * ROWS_BLOCKDIM_Y + threadIdx.y;

    d_Src += baseY * pitch + baseX;
    d_Dst += baseY * pitch + baseX;

    //Load main data
#pragma unroll

    for (int i = ROWS_HALO_STEPS; i < ROWS_HALO_STEPS + ROWS_RESULT_STEPS; i++)
    {
        s_Data[threadIdx.y][threadIdx.x + i * ROWS_BLOCKDIM_X] = d_Src[i * ROWS_BLOCKDIM_X];
    }
...

据我了解此代码，每个线程将计算自己的baseX和baseY值，然后所有活动线程将开始增加指针{ {1}}和d_Src 同时。

所以，根据我的知识，如果数组d_Dst和d_Src在本地内存中（例如每个线程都有自己的数组副本），这将是正确的。但是这个阵列在全局设备内存中！那么会发生什么，所有活动线程都会增加指针，结果将是不正确的。可以解释一下，为什么这有效？

由于

Answer 1

它的工作原理是因为每个线程都有自己的指针副本。

void foo(float* bar){
    bar++;
}

float* test = 0;
foo(test);
cout<<test<<endl; //will print 0