Question

#define dimG 16
#define dimB 64

// slovebyGPU
__global__ void SloveStepGPU(float* X, float* Y, int * iCons, int* jCons, int * dCons, float* wCons, int cnt, float c)
{
    int id = blockDim.x * blockIdx.x + threadIdx.x;
    for (int i = id; i<cnt; i += dimG*dimB) {

        int I = iCons[i];
        int J = jCons[i];
        int d = dCons[i];
        float wc = 1.0f*wCons[i]*c;

        if (wc > 1.0)wc = 1.0;

        float XI = atomicAdd(&(X[I]), 0);
        float XJ = atomicAdd(&(X[J]), 0);
        float YI = atomicAdd(&(Y[I]), 0);
        float YJ = atomicAdd(&(Y[J]), 0);
        float pqx = XI - XJ;
        float pqy = YI - YJ;
        float mag = sqrtf(pqx*pqx + pqy*pqy);
        float r = 1.0f*(d - mag) / 2;
        float mx = wc * r * pqx / (mag + eps);
        float my = wc * r * pqy / (mag + eps);
        if (d == 1) {
            atomicAdd(&(X[I]), mx);
            atomicAdd(&(Y[I]), my);
        }
        atomicAdd(&(X[J]), -mx);
        atomicAdd(&(Y[J]), -my);
}

在这段代码中，我知道X，Y可能存在数据竞争。我以前的想法是：允许读取XI，XJ，YI，YJ可能不是最新数据。但是，我发现在数据竞争过程中，它可能导致XI，XJ，YI，YJ 读取随机内存值。也就是说，内存访问冲突。即使在读写过程中添加了锁，我仍然可以获得相同的结果。只有减小dimB和dimG的大小以使几乎没有数据争用时，我才能获得正确的结果。有什么解决办法吗？

我在Windows + vs2015 + cuda9.1环境下使用64位编译。

但是，我在linux下使用了相同的代码，却没有发现问题。

在Windows下使用nsight cuda调试器时没有问题。原因可能是与调试器一起运行很慢，并且不会引起数据争用。

-------更新行----- 删除其他代码

Answer 1

问题出现在此if (d == 1)中，我用设备功能if，fminf代替了fmaxf以解决该问题。我猜想该分支是在同一经线中进入的，并且存在数据竞争并且某些进程被挂起，这引起了奇怪的问题。

if (d == 1) {
            atomicAdd(&(X[I]), mx);
            atomicAdd(&(Y[I]), my);
        }

到

float fd = fmaxf(2.0f - d, 0.0f);
X[I] += fd * 1.0f * mx;
Y[I] += fd * 1.0f * my;

cuda：多个线程访问相同的全局变量

1 个答案: