我正在使用CUDA进行迭代Karatsuba算法,我想问一下,为什么计算出的一行总是不同。
首先,我实现了这个函数,它总是正确计算结果:
__global__ void kernel_res_main(TYPE *A, TYPE *B, TYPE *D, TYPE *result, TYPE size, TYPE resultSize){
int i = blockDim.x * blockIdx.x + threadIdx.x;
if( i > 0 && i < resultSize - 1){
TYPE start = (i >= size) ? (i % size ) + 1 : 0;
TYPE end = (i + 1) / 2;
for(TYPE inner = start; inner < end; inner++){
result[i] += ( A[inner] + A[i - inner] ) * ( B[inner] + B[i - inner] );
result[i] -= ( D[inner] + D[i-inner] );
}
}
}
现在我想使用2D网格并使用CUDA作为for循环,所以我将我的功能改为:
__global__ void kernel_res_nested(TYPE *A, TYPE *B, TYPE *D, TYPE *result, TYPE size, TYPE resultSize){
int i = blockDim.x * blockIdx.x + threadIdx.x;
int j = blockDim.y * blockIdx.y + threadIdx.y;
TYPE rtmp = result[i];
if( i > 0 && i < resultSize - 1){
TYPE start = (i >= size) ? (i % size ) + 1 : 0;
TYPE end = (i + 1) >> 1;
if(j >= start && j <= end ){
// WRONG
rtmp += ( A[j] + A[i - j] ) * ( B[j] + B[i - j] ) - ( D[j] + D[i - j] );
}
}
result[i] = rtmp;
}
我这样称呼这个函数:
dim3 block( 32, 8 );
dim3 grid( (resultSize+1/32) , (resultSize+7/8) );
kernel_res_nested <<<grid, block>>> (devA, devB, devD, devResult, size, resultSize);
结果总是错误的,总是不同的。我无法理解为什么第二个实现错误并始终计算错误的结果。我看不出有任何与数据依赖相关的逻辑问题。有谁知道如何解决这个问题?
谢谢。
答案 0 :(得分:0)
对于这样的问题,你应该提供一个MCVE。 (参见第1项here)例如,我不知道TYPE
指示的是什么类型,并且我建议的解决方案的正确性也很重要。
在您的第一个内核中,整个网格中只有一个线程正在读取和写入位置result[i]
。但是在你的第二个内核中,你现在有多个线程写入result[i]
位置。他们彼此冲突。 CUDA没有指定线程运行的顺序,有些可能在其他线程之前,之后或同时运行。在这种情况下,某些线程可能会与其他线程同时读取result[i]
。然后,当线程写出他们的结果时,它们将是不一致的。并且它可能因运行而异。你有一个竞争条件(执行顺序依赖,而不是数据依赖)。
对此进行排序的规范方法是采用reduction技术。
但为简单起见,我建议atomics可以帮助您解决问题。根据您显示的内容,这更容易实现,并有助于确认竞争条件。在那之后,如果你想尝试一种简化方法,那里有很多教程(一个在上面链接),关于它的cuda
标签有很多问题。
您可以将内核修改为类似的内容,以解决竞争条件:
__global__ void kernel_res_nested(TYPE *A, TYPE *B, TYPE *D, TYPE *result, TYPE size, TYPE resultSize){
int i = blockDim.x * blockIdx.x + threadIdx.x;
int j = blockDim.y * blockIdx.y + threadIdx.y;
if( i > 0 && i < resultSize - 1){
TYPE start = (i >= size) ? (i % size ) + 1 : 0;
TYPE end = (i + 1) >> 1;
if(j >= start && j < end ){ // see note below
atomicAdd(result+i, (( A[j] + A[i - j] ) * ( B[j] + B[i - j] ) - ( D[j] + D[i - j] )));
}
}
}
请注意,根据您的GPU类型以及您使用的TYPE
的实际类型,这可能无法正常工作(可能无法编译)。但由于您以前使用TYPE
作为循环变量,我假设它是一个整数类型,并且那些必要的atomicAdd
应该可用。
其他一些评论:
这可能无法提供您期望的网格尺寸:
dim3 grid( (resultSize+1/32) , (resultSize+7/8) );
我认为通常的计算方法是:
dim3 grid( (resultSize+31)/32, (resultSize+7)/8 );
我总是建议使用proper CUDA error checking并使用cuda-memcheck
运行代码,以便在遇到CUDA代码时遇到问题,以确保没有运行时错误。
它在我看来也像这样:
if(j >= start && j <= end ){
应该是这样的:
if(j >= start && j < end ){
匹配你的for循环范围。我也假设size
小于resultSize
(再次,MCVE会有所帮助)。