Question

我刚刚开始使用CUDA，这是我的第一个项目。我已经对这个问题进行了搜索，虽然我注意到其他人也遇到过类似的问题，但这些建议似乎与我的具体问题无关，或者在我的案例中有所帮助。

作为练习，我正在尝试使用CUDA编写n体仿真。在这个阶段，我不感兴趣我的具体实现是否有效，我只是在找一些有用的东西，我可以稍后改进它。我还需要稍后更新代码，一旦它正常工作，就可以处理我的SLI配置。

以下是该流程的简要概述：

创建X和Y位置，速度，加速度矢量。
在GPU上创建相同的向量并跨
在循环中：（i）计算迭代的加速度，（ii）将加速度应用于速度和位置，以及（iii）将位置复制回主机以供显示。

（显示尚未实现。我稍后会这样做）

现在不用担心加速度计算功能，这里是更新功能：

__global__ void apply_acc(double* pos_x, double* pos_y, double* vel_x, double* vel_y, double* acc_x, double* acc_y, int N)
{
    int i = threadIdx.x;

    if (i < N);
    {
        vel_x[i] += acc_x[i];
        vel_y[i] += acc_y[i];

        pos_x[i] += vel_x[i];
        pos_y[i] += vel_y[i];
    }
}

以下是main方法中的一些代码：

cudaError t;

t = cudaMalloc(&d_pos_x, N * sizeof(double));
t = cudaMalloc(&d_pos_y, N * sizeof(double));
t = cudaMalloc(&d_vel_x, N * sizeof(double));
t = cudaMalloc(&d_vel_y, N * sizeof(double));
t = cudaMalloc(&d_acc_x, N * sizeof(double));
t = cudaMalloc(&d_acc_y, N * sizeof(double));

t = cudaMemcpy(d_pos_x, pos_x, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_pos_y, pos_y, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_vel_x, vel_x, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_vel_y, vel_y, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_acc_x, acc_x, N * sizeof(double), cudaMemcpyHostToDevice);
t = cudaMemcpy(d_acc_y, acc_y, N * sizeof(double), cudaMemcpyHostToDevice);

while (true)
{
    calc_acc<<<1, N>>>(d_pos_x, d_pos_y, d_vel_x, d_vel_y, d_acc_x, d_acc_y, N);
    apply_acc<<<1, N>>>(d_pos_x, d_pos_y, d_vel_x, d_vel_y, d_acc_x, d_acc_y, N);

    t = cudaMemcpy(pos_x, d_pos_x, N * sizeof(double), cudaMemcpyDeviceToHost);
    t = cudaMemcpy(pos_y, d_pos_y, N * sizeof(double), cudaMemcpyDeviceToHost);

    std::cout << pos_x[0] << std::endl;
}

每个循环cout都写入相同的值，无论它是在原始创建位置数组时设置的随机值。如果我将apply_acc中的代码更改为：

__global__ void apply_acc(double* pos_x, double* pos_y, double* vel_x, double* vel_y, double* acc_x, double* acc_y, int N)
{
    int i = threadIdx.x;

    if (i < N);
    {
        pos_x[i] += 1.0;
        pos_y[i] += 1.0;
    }
}

然后它仍然给出相同的值，因此没有调用apply_acc或者cudaMemcpy没有复制数据。

所有cudaMalloc和cudaMemcpy来电都会返回cudaScuccess。

Here是完整代码的PasteBin链接。它应该相当简单，因为各种数组都有很多重复。

就像我说的那样，我之前从未编写过CUDA代码，而且我是根据来自NVidia的＃2 CUDA示例视频编写的，其中该人编写并行数组加法代码。我不确定它是否有任何区别，但我使用2x GTX970与最新的NVidia驱动程序和CUDA 7.0 RC，我选择在安装CUDA时不安装捆绑的驱动程序，因为它们比我的旧。 / p>

Answer 1

这不起作用：

const int N = 100000;
...
calc_acc<<<1, N>>>(...);
apply_acc<<<1, N>>>(...);

内核启动配置（<<<...>>>）的第二个参数是每个块参数的线程数。它仅限于512或1024，具体取决于您的编译方式。这些内核不会启动，并且需要使用正确的CUDA error checking来捕获它产生的错误类型。只需查看后续CUDA API函数的返回值，就不会表明存在此类错误（这就是您随后看到cudaSuccess的原因）。

关于概念本身，我建议您了解有关CUDA thread and block hierarchy的更多信息。要启动大量线程，您需要使用内核启动配置的两个参数（即前两个参数中的任何一个应为1）。从性能角度来看，这通常也是可取的。

尽管CudaSuccess，CUDA cudaMemCpy似乎并未复制

1 个答案: