我正在尝试实施OSEM algorithm（我正在尝试，因为我必须，而不只是为了好玩），我有一个问题：
由于我将使用非常大的矩阵，我想知道我可以用malloc分配的最大数组大小（C语言）。根据我的阅读，它取决于您的操作系统和硬件：我正在使用Intel Xeon E5530 2.40 Ghz，Red Had Enterprise 64位，Nvidia Quadro FX 3800。
我将使用的矩阵具有类似这些尺寸的东西：float / double 2000x1000x20。
鉴于这些矩阵要与CUDA C一起使用，我必须像这样在一维数组中分配矩阵：
float*matrix=(float*)malloc(sizeof(float)*2000*1000*20));
提前致谢;）
答案 0 :(得分：6)
这些是相对较小的分配 - 浮动大约160 MB，双倍大约320 MB。除非你同时拥有很多这些矩阵，否则应该没有问题。
主要的限制是CUDA，你可能会受到GPU卡上物理内存总量的限制，但是，除非你有大量的这些矩阵，否则你应该对任何现有的CUDA都没问题 - 兼容的GPU卡。
答案 1 :(得分：0)
理论上，你可以在64位系统上分配的最大缓冲区是2 64 ，这比你的2000x1000x20阵列要大得多。它也比你用电脑处理的所有内存都要大得多。
在32位系统上，它通常为2GB。 （有些系统允许3或4GB。）那是2.1 * 10 9 字节。 sizeof(float)是4个字节。让我们看看，你有：
2000 * 1000 * 20 = 4 * 10 7
乘以浮点数：
4 * 10 7 * 4 = 1.6 * 10 8
即使1.6 * 10 8 是一个非常令人印象深刻的数字，你甚至可以在32位系统上分配那么多的内存。
我不担心。
答案 2 :(得分：0)
以下是其他一些注意事项。
除非您需要多张可能会使GPU内存饱和的图像，否则不要担心矩阵的大小。
如果每次使用 AsyncAPI 上传/处理/下载，您都可以使用小集处理图像。在计算第一个结果时，您可以上传下一个图像。
尝试 CudaMallocHost ，不可分页的内存，即更快的数据传输
在设备上试用 Pitched Memory ，即使它消耗更多内存也能提供更好的访问性能
最后但并非最不重要的是获得更好的卡片：您可以获得360个核心，约200美元，例如使用Gtx 460
答案 3 :(得分：-1)
您可以使用的数组的最大大小（即在这种情况下您可以使用malloc分配的最大记忆量）不受C语言本身的任何限制。它完全取决于您在机器中可用的内存量。