Question

我有一个模板化的CUDA内核，用于在2个计算网格之间的接口上计算和设置值。这些值是使用3个单独的贡献来计算的，这些贡献是从类成员函数获得的，并将类实例传递给内核。如果我单独获得这些贡献中的任何一个以在输出中进行设置，则内核将起作用。一旦我将其中的2个（或全部）添加到输出中，内核便根本不会启动。

我在末尾插入了完整的内核代码，但我将首先尝试举例说明。

首先定义前两个贡献：

//contribution 1
VType value1 = (V_m2 * 2 * b_val_sec / 3 + V_2 * (b_val_pri + b_val_sec / 3)) / (b_val_sec + b_val_pri);
//contribution 2
VType value2 = (Vdiff2_sec * b_val_sec * hL * hL - Vdiff2_pri * b_val_pri * hR * hR) / (b_val_sec + b_val_pri);

现在设置输出：

情况1-内核启动并设置期望值：

V_pri[cell1_idx] = value1;

情况2-内核启动并设置期望值：

V_pri[cell1_idx] = value2;

情况3-内核无法启动：

V_pri[cell1_idx] = value1 + value2;

我完全感到沮丧，因为这似乎违反了逻辑，而且我真的很想了解正在发生的事情。有没有人遇到过类似的事情，或者有什么想法会导致这种情况？

我在Visual Studio 2017中使用CUDA 9.2，并且已经在GTX 980 Ti（计算5.2）和GTX 1060（计算6.1）上测试了代码，结果相同。

这是完整的内核代码：

template <typename VType, typename Class_CMBND>
__global__ void set_cmbnd_values_kernel(
cuVEC_VC<VType>& V_sec, cuVEC_VC<VType>& V_pri,
Class_CMBND& cmbndFuncs_sec, Class_CMBND& cmbndFuncs_pri,
CMBNDInfoCUDA& contact)
{

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

 cuINT3 box_sizes = contact.cells_box.size();

 if (box_idx < box_sizes.dim()) {

     int i = (box_idx % box_sizes.x) + contact.cells_box.s.i;
     int j = ((box_idx / box_sizes.x) % box_sizes.y) + contact.cells_box.s.j;
     int k = (box_idx / (box_sizes.x * box_sizes.y)) + contact.cells_box.s.k;

     cuReal hL = contact.hshift_secondary.norm();
     cuReal hR = contact.hshift_primary.norm();
     cuReal hmax = (hL > hR ? hL : hR);

     int cell1_idx = i + j * V_pri.n.x + k * V_pri.n.x*V_pri.n.y;

     if (V_pri.is_empty(cell1_idx) || V_pri.is_not_cmbnd(cell1_idx)) return;

     int cell2_idx = (i + contact.cell_shift.i) + (j + contact.cell_shift.j) * V_pri.n.x + (k + contact.cell_shift.k) * V_pri.n.x*V_pri.n.y;

     cuReal3 relpos_m1 = V_pri.rect.s - V_sec.rect.s + ((cuReal3(i, j, k) + cuReal3(0.5)) & V_pri.h) + (contact.hshift_primary + contact.hshift_secondary) / 2;

     cuReal3 stencil = V_pri.h - cu_mod(contact.hshift_primary) + cu_mod(contact.hshift_secondary);

     VType V_2 = V_pri[cell2_idx];
     VType V_m2 = V_sec.weighted_average(relpos_m1 + contact.hshift_secondary, stencil);

     //a values
     VType a_val_sec = cmbndFuncs_sec.a_func_sec(relpos_m1, contact.hshift_secondary, stencil);
     VType a_val_pri = cmbndFuncs_pri.a_func_pri(cell1_idx, cell2_idx, contact.hshift_secondary);

     //b values adjusted with weights
     cuReal b_val_sec = cmbndFuncs_sec.b_func_sec(relpos_m1, contact.hshift_secondary, stencil) * contact.weights.i;
     cuReal b_val_pri = cmbndFuncs_pri.b_func_pri(cell1_idx, cell2_idx) * contact.weights.j;

     //V'' values at cell positions -1 and 1
     VType Vdiff2_sec = cmbndFuncs_sec.diff2_sec(relpos_m1, stencil);
     VType Vdiff2_pri = cmbndFuncs_pri.diff2_pri(cell1_idx);

     //Formula for V1
     V_pri[cell1_idx] = (V_m2 * 2 * b_val_sec / 3 + V_2 * (b_val_pri + b_val_sec / 3)
        - Vdiff2_sec * b_val_sec * hL * hL - Vdiff2_pri * b_val_pri * hR * hR
        + (a_val_pri - a_val_sec) * hmax) / (b_val_sec + b_val_pri);
 }
}

几乎就像其中包含太多代码行的内核（在上面的内核中，使用的各种功能中都有其他代码）在某些条件下无法启动。

Answer 1

对，似乎我找到了解决问题的方法。

看着生成的错误，我得到“请求启动的资源过多”。

我已将每个块的线程数从512减少到256，并且内核现在运行良好。

在内核中进行简单的代码更改后，CUDA内核无法启动

1 个答案: