在CUDA统一内存多GPU或多处理器中使用原子算术运算 [英] Using atomic arithmetic operations in CUDA Unified Memory multi-GPU or multi-processor

问题描述

我正在尝试实现使用统一内存的CUDA程序.我有两个统一的数组，有时它们需要原子更新.

I am trying to implement a CUDA program that uses Unified Memory. I have two unified arrays and sometimes they need to be updated atomically.

以下问题为单个GPU环境提供了答案，但我不确定如何扩展问题中给出的答案以适应多GPU平台.

The question below has an answer for a single GPU environment but I am not sure how to extend the answer given in the question to adapt in multi-GPU platforms.

问题: cuda atomicAdd示例无法产生正确的输出

如果您需要此信息，我有4辆Tesla K20，它们全部更新了必须原子完成的部分阵列.

I have 4 Tesla K20 if you need this information and all of them updates a part of those arrays that must be done atomically.

我将不胜感激.

推荐答案

将评论汇总为答案:

• 您可以使用 atomicAdd_system
执行这种在地址空间范围内的原子操作
• 但是，您只能在计算能力6.x或更高版本的设备(如果使用Tegra，则为7.2或更高版本)上执行此操作
• 具体来说，这意味着您必须编译以获得正确的计算能力，例如 -arch = sm_60 或类似的
• 您在问题中指出您正在使用Telsa K20卡-这些是计算能力3.5，不支持任何系统范围的原子功能.

与往常一样，该信息在

As always, this information is neatly summarized in the relevant section of the Programming Guide.

这篇关于在CUDA统一内存多GPU或多处理器中使用原子算术运算的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！