我正在研究一个矩阵类，该类具有使用CUDA库在gpu上进行的所有计算。我给出了该课程的精简版，以显示我面临的问题。问题是当我在main（）函数中实例化一个对象时，我不确定要调用哪个构造函数。
我的目标是在使用此类时尽可能减少复制数量。因此，我创建了一个move构造函数。但是，令我惊讶的是，该代码既没有使用复制构造函数，也没有使用move构造函数。当我从类中删除move构造函数时，将调用复制构造函数。到目前为止，我的结论是编译器定义了一个隐函数，我不知道。
#include <iostream>
#include <iomanip>
#include <cuda_runtime.h>
class cu_mat {
protected:
size_t n_rows=0, n_cols=0;
bool del = 1;
double *p=NULL;
cu_mat(const cu_mat &to_b_copied);// Copy constructor
cu_mat(const size_t &r, const size_t &c, const double &n);// Two argument constructor with initialization
public:
cu_mat(){}// Default constructor
cu_mat(cu_mat&& to_be_moved);// Move constructor
void get();// Print matrix data
friend cu_mat zeros(const size_t &r, const size_t &c);// Matrix with all values 0
friend cu_mat zeros(const size_t &n);
virtual ~cu_mat();
};
/************************************ Copy constructor ***********************************************/
cu_mat::cu_mat(const cu_mat &to_b_copied) : n_rows(to_b_copied.n_rows), n_cols(to_b_copied.n_cols), del(0)
{
std::cout << "Copy constructor called." << std::endl;
if ((n_rows>0)&&(n_cols>0))
{
if (to_b_copied.del==0)
{
cudaFree(p);
p = to_b_copied.p;
}
else
{
cudaMalloc((void**)&p,n_rows*n_cols*sizeof(double)); // Allocate memory on GPU.
cudaMemcpy(p,to_b_copied.p,n_rows*n_cols*sizeof(double),cudaMemcpyDeviceToDevice); // Copy array from CPU to GPU
}
}
}
/***********************************************************************************************************************/
/************************************ Two argument constructor with initialization ***********************************************/
__global__ void set_data(double* p, const double n, const double n_ele)
{
unsigned int idx = threadIdx.x + blockIdx.x * blockDim.x;
if (idx<n_ele)
p[idx] = n;
}
cu_mat::cu_mat(const size_t &r, const size_t &c, const double &n=0) : n_rows(r), n_cols(c), del(0)
{
if ((n_rows>0)&&(n_cols>0))
{
cudaMalloc((void**)&p, n_rows*n_cols*sizeof(double));
if (n!=0)
{
size_t n_ele = n_rows*n_cols;
size_t n_threads = n_ele;
set_data<<<n_ele/n_threads,n_threads>>>(p,n,n_ele);
cudaPeekAtLastError();
}
else
{
cudaMemset(p,0,n_rows*n_cols*sizeof(double));
}
}
}
/***********************************************************************************************************************/
/************************************ Move constructor ***********************************************/
cu_mat::cu_mat(cu_mat&& to_b_moved)
{
std::cout << "Move constructor called." << std::endl;
n_rows = to_b_moved.n_rows; to_b_moved.n_rows = 0;
n_cols = to_b_moved.n_cols; to_b_moved.n_cols = 0;
del = 1; to_b_moved.del = 1;
cudaFree(p); p = to_b_moved.p; to_b_moved.p = NULL;
}
/***********************************************************************************************************************/
/***************************************** Matrix with all values 0 *****************************************/
cu_mat zeros(const size_t &r, const size_t &c)
{
cu_mat tmp(r,c);
return tmp;
}
cu_mat zeros(const size_t &n){return zeros(n,n);}
/***************************************************************************************************************************/
/************************************ Print matrix data ***********************************************/
void cu_mat::get()
{
del = 1;
double *m = new double[n_rows*n_cols](); // Allocate space on CPU memory.
cudaMemcpy(m,p,n_rows*n_cols*sizeof(double),cudaMemcpyDeviceToHost); // Copy data from GPU to CPU.
std::cout << std::scientific << std::setprecision(4);
for(int i = 0; i<n_rows; ++i)
{
for(int j = 0; j<n_cols; ++j)
{
std::cout<<m[j*n_rows+i]<<" ";
}
std::cout<<std::endl;
}
delete[] m;
}
/***********************************************************************************************************************/
cu_mat::~cu_mat() {
if (del==1){
std::cout << "Destructor called." << p << std::endl;
cudaFree(p);
p = NULL;
}
}
int main()
{
cu_mat a = zeros(3);
a.get();
return 0;
}
我得到的结果如下：
0.0000e+00 0.0000e+00 0.0000e+00
0.0000e+00 0.0000e+00 0.0000e+00
0.0000e+00 0.0000e+00 0.0000e+00
Destructor called.0x501b60000