Question

嘿我有两个大小为2000的数组。我想写一个内核将一个数组复制到另一个数组。该阵列代表1000个粒子。 index 0-999将包含一个x值，1000-1999为其位置的y值。

我需要一个for循环来复制从1个数组到另一个数组的N个粒子。例如

    int halfway = 1000;
    for(int i = 0; i < N; i++){
         array1[i] = array2[i];
         array1[halfway + i] = array[halfway + i];
    }

由于N的数量始终小于2000，我可以创建2000个线程吗？或者我必须创建几个块。

我在考虑在内核中执行此操作：

  int tid = threadIdx.x;

  if (tid >= N) return;

  array1[tid] = array2[tid];
  array1[halfway + tid] = array2[halfway + tid];

并按如下方式调用：

  kernel<<<1,2000>>>(...);

这会有用吗？它会快吗？或者我会更好地将问题分成块。我不知道怎么做，也许:(这是正确的吗？）

  int tid = blockDim.x*blockIdx.x + threadIdx.x;

  if (tid >= N) return;

  array1[tid] = array2[tid];
  array1[halfway + tid] = array2[halfway + tid];

  kernel<<<4,256>>>(...);

Answer 1

这会有效吗？

你真的尝试过吗？

它将无法启动，因为您最多可以拥有512个线程（不同架构的值可能会有所不同，我的是GTX 200系列之一）。您将需要更多的块或更少的线程以及内部的for循环blockDim.x增量。

您的多块解决方案也应该有效。

其他方法

如果这是内核的唯一目的，您也可以尝试使用cudaMemcpy作为最后一个参数{/ 1}}。

Answer 2

回答有关配置问题的唯一方法是测试它们。为此，编写内核，使其无论配置如何都能正常工作。通常，我会假设我将启动足够的线程，这使内核更容易编写。然后，我会做这样的事情：

threads_per_block = 512;

num_blocks = SIZE_ARRAY/threads_per_block;
if(num_blocks*threads_per_block<SIZE_ARRAY)
    num_blocks++;

my_kernel <<< num_blocks, threads_per_block >>> ( ... );

（当然，threads_per_block可能是一个定义或命令行参数，或者迭代来测试许多配置）

Answer 3

最好为任何内核使用多个块。

在我看来，您只是将一个数组从一个数组复制到另一个数组，作为带有偏移量的值序列。如果是这种情况，您只需使用 cudaMemcpy API调用并指定即可的 cudaMemcpyDeviceToDevice

cudaMemcpy(array1+halfway,array1,1000,cudaMemcpyDeviceToDevice);

API将找出块/线程的最佳分区。

CUDA - 指定＆lt;＆lt; <x，y>＆gt;＆gt; for for循环</x，y>

3 个答案: