我刚刚开始使用Julia的CUDArt包来管理GPU计算。我想知道如何确保如果我从gpu中提取数据（例如使用to_host()），在执行所有必要的计算之前我不这样做。
通过一些实验，似乎to_host(CudaArray)会在特定的CudaArray更新时滞后。那么，或许只是使用它就足以确保安全？但它看起来有点渺茫。
现在，我正在使用launch()函数来运行我的内核，如包documentation中所示。
CUDArt文档提供了一个使用Julia的@sync宏的示例，看起来它可能很可爱。但是出于@sync的目的，我完成了我的“工作”并准备好在内核使用launch()启动时继续前进，而不是一旦完成。据我了解launch()的操作 - 没有办法改变这个功能（例如，让它等待接收它“启动”的功能的输出。）
如何完成此类同步？
答案 0 :(得分：10)
好的，那么，关于CUDArt包的文档并不多，但我查看了源代码，我认为它看起来很简单。特别是，似乎有一个OPTIONS="-g"
OPTIONS="-u ntp:ntp -p /var/run/ntpd.pid -g"
OPTIONS="-u ntp:ntp -p /var/run/ntpd.pid -g"
OPTIONS="-u ntp:ntp"
OPTIONS="-u"
函数将阻塞，直到当前活动设备上的所有工作都完成为止。因此，以下特别有效：
device_synchronize()我很乐意听到任何有更多专业知识的人，不过在这里还有更多需要注意的地方。
答案 1 :(得分：1)
我认为更典型的方法是为每个设备制作一个流：
streams = [(device(dev); Stream()) for dev in devlist]
然后在@async块内部，在您告诉它进行计算之后，使用wait(stream)函数告诉它等待该流完成其计算。请参阅自述文件中的Streams示例。