У меня проблемы с программой CUDA, которую я пытаюсь написать.У меня есть массив около 524 тыс. Значений с плавающей точкой (1,0), и я использую технику сокращения, чтобы добавить все значения.Проблема работает нормально, если я хочу запустить ее только один раз, но я действительно хочу запустить ядро несколько раз, чтобы в итоге я мог собрать более 1 миллиарда значений.
Причина, по которой я делаю это кусками по 524 КБ, заключается в том, что я всегда получаю нули обратно, когда перебираю около 1 миллиона на GPU.Это не должно превышать объем памяти на карте, но в этот момент она всегда дает сбой.
В любом случае, когда я зацикливаю ядро только один раз, все работает нормально.То есть без циклов это нормально.Когда я бегу с петлями, он возвращается с нулями.Я подозреваю, что выхожу за пределы какого-то места, но я не могу понять это.Это сводит меня с ума.
Любая помощь приветствуется,
Спасибо,
Al
Вот код:
#include <stdio.h>
#include <stdlib.h>
#include "cutil.h"
#define TILE_WIDTH 512
#define WIDTH 524288
//#define WIDTH 1048576
#define MAX_WIDTH 524288
#define BLOCKS WIDTH/TILE_WIDTH
__global__ void PartSum(float * V_d)
{
int tx = threadIdx.x;
int bx = blockIdx.x;
__shared__ float partialSum[TILE_WIDTH];
for(int i = 0; i < WIDTH/TILE_WIDTH; ++i)
{
partialSum[tx] = V_d[bx * TILE_WIDTH + tx];
__syncthreads();
for(unsigned int stride = 1; stride < blockDim.x; stride *= 2)
{
__syncthreads();
if(tx % (2 * stride) == 0)
partialSum[tx] += partialSum[tx + stride];
}
}
if(tx % TILE_WIDTH == 0)
V_d[bx * TILE_WIDTH + tx] = partialSum[tx];
}
int main(int argc, char * argv[])
{
float * V_d;
float * V_h;
float * R_h;
float * Result;
float * ptr;
dim3 dimBlock(TILE_WIDTH,1,1);
dim3 dimGrid(BLOCKS,1,1);
// Allocate memory on Host
if((V_h = (float *)malloc(sizeof(float) * WIDTH)) == NULL)
{
printf("Error allocating memory on host\n");
exit(-1);
}
if((R_h = (float *)malloc(sizeof(float) * MAX_WIDTH)) == NULL)
{
printf("Error allocating memory on host\n");
exit(-1);
}
// If MAX_WIDTH is not a multiple of WIDTH, this won't work
if(WIDTH % MAX_WIDTH != 0)
{
printf("The width of the vector must be a multiple of the maximum width\n");
exit(-3);
}
// Initialize memory on host with 1.0f
ptr = V_h;
for(long long i = 0; i < WIDTH; ++i)
{
*ptr = 1.0f;
ptr = &ptr[1];
}
ptr = V_h;
// Allocate memory on device in global memory
cudaMalloc((void**) &V_d, MAX_WIDTH*(sizeof(float)));
float Pvalue = 0.0f;
for(int i = 0; i < WIDTH/MAX_WIDTH; ++i)
{
if((Result = (float *) malloc(sizeof(float) * WIDTH)) == NULL)
{
printf("Error allocating memory on host\n");
exit(-4);
}
for(int j = 0; j < MAX_WIDTH; ++j)
{
Result[j] = *ptr;
ptr = &ptr[1];
}
ptr = &V_h[i*MAX_WIDTH];
// Copy portion of data to device
cudaMemcpy(V_d, Result, MAX_WIDTH*(sizeof(float)), cudaMemcpyHostToDevice);
// Execute Kernel
PartSum<<<dimGrid, dimBlock>>>(V_d);
// Copy data back down to host
cudaMemcpy(R_h, V_d, MAX_WIDTH*(sizeof(float)), cudaMemcpyDeviceToHost);
for(int i = 0; i < MAX_WIDTH; i += TILE_WIDTH)
{
Pvalue += R_h[i];
}
printf("Pvalue == %f\n", Pvalue);
free(Result);
}
// printf("WIDTH == %d items\n", WIDTH);
// printf("Value: %f\n", Pvalue);
cudaFree(V_d);
free(V_h);
free(R_h);
return(1);
}
Хорошо, я думаю, что я сузил проблему с V_d на устройстве.Я подозреваю, что я превышаю границы массива как-то.Если я выделю 2 раза объем памяти, который мне действительно нужен, программа завершит работу с ожидаемыми результатами.Проблема в том, что я не могу понять, что вызывает проблемы.
Al