具有整数参数的CUDA pow函数
我是CUDA的新用户，无法理解我做错了什么。 我试图计算它在数组中具有id的对象的距离，数组中的轴x和数组中的轴y为每个对象寻找邻居 __ global__ void dist（int * id_d，int * x_d，int * y_d， int * dist_dev，int dimBlock，int i） { int idx = threadIdx.x + blockI
..
gpgpu相关内容
如何在CUDA的内核调用之间使用共享内存？
我想在一个内核的内核调用之间使用共享内存。 我可以在内核调用之间使用共享内存吗？ 解决方案 不，你不能。共享内存具有线程块生命周期。在 __ global __ 函数调用期间，存储在其中的变量可以由属于一个组的所有线程访问。
..
我应该使用什么设备号（0或1），复制P2P（GPU0-> GPU1）？
我需要在 cudaSetDevice（）; 中设置0或1，才能使用 GPU1） > cudaStreamCreate（stream）; cudaMemcpyPeerAsync（p1，1，p0，0，size，stream）; ？ 代码： //将设备0设置为当前 cudaSetDevice（0）; float * p0; size_t size = 1024 * sizeof（
..
std ::向量到CUDA中的数组
有一种方法可以将2D向量转换为数组，以便能够在CUDA内核中使用它？ 它被声明为： vector>信息; 我想要cudaMalloc并从主机复制到设备，最好的方法是什么？ int * d_information; cudaMalloc（（void **）& d_information，sizeof（int）* size）;
..
CUDA warp中的线程是否在多处理器上并行执行？
经线有32个线程。 32个线程是否在多处理器中并行执行？ 如果32个线程没有并行执行，那么warp中没有竞争条件。 在CUDA编程模型中，所有的线程都在平行地延伸。但是硬件中的实际执行可能不是并行的，因为SM（流多处理器）内的核心数目可以小于32.例如，GT200架构每个SM具有8个核心，并且warp内的线程将需要4个时钟周期 如果多个线程写入同一位置（共享内存或全局内存），如果不想竞赛，
..
CUDA使用double2数组减少推力
我有以下（可编译和可执行）代码使用CUDA Thrust执行 float2 数组的减少。 using namespace std; // include，system #include #include #include #include #include
..
当cuda内核正在运行时访问cuda设备内存
我已使用cudaMalloc分配内存在设备上，并已将其传递给内核函数。是否可以在内核完成执行之前从主机访问该内存？ 解决方案 我可以想到的唯一方法是在内核仍在执行时启动的memcpy是通过在与内核不同的流中提交异步memcpy。 （如果你使用内核启动或异步memcpy的默认API，NULL流将强制两个操作序列化。） 但是因为没有办法将内核的执行与流同步，该代码将受制于竞争条件。即复制
..
cudaMemcpyFromSymbol on一个__device__变量
我试图在 __ device __ 变量上应用内核函数，根据规范，它驻留在“全局内存” #include #include“sys_data.h” #include“my_helper.cuh” #include“helper_cuda.h” #include double X [10] = {1，-2,3，-4,
..
在共享内存上执行原子操作
原子操作提供的地址驻留在块共享内存中时，原子操作如何执行？在原子操作期间，它是否暂停对块内其他线程对同一共享内存块的访问，或者停止其他线程执行任何指令，甚至停止所有块中的线程，直到原子操作完成？ 解决方案 共享内存硬件包括1024个锁。如果调用在共享内存上运行的原子本质，编译器会发出一个短循环，用于获取并有条件地释放锁，或者如果未获取锁，则循环。因此，性能可以非常依赖于数据：如果一个war
..
cuBLAS argmin - segfault如果输出到设备内存？
在cuBLAS中， cublasIsamin（）给出了单精度数组的argmin。 这是完整的函数声明： cublasStatus_t cublasIsamin（cublasHandle_t handle，int n， const float * x，int incx，int *结果） cuBLAS程序员指南提供了有关 cublasIsamin（）参数的信息： 如果我对 resu
..
CURAND库 - 编译错误 - 未定义的函数引用
我有以下代码，我想使用nvcc编译。 代码： #include #include #include #include int main（void） { size_t n = 100; size_t i; int * hostData; unsigned int * d
..
Cuda错误：函数已在另一个.cu.obj文件中定义
我想编译一个有人送给我的cuda项目。虽然编译阶段通过，链接阶段失败。下面是错误的示例： 错误298错误LNK2005：“int __cdecl compare_ints（void const *，void const *） “已经在3level_1.cu.obj decode_p4.cu.obj中定义的（？compare_ints @@ YAHPBX0 @ Z） 基本上，文
..
gpu上的大矩阵乘法
我需要在GPU上使用CUDA来实现矩阵乘法，用于大矩阵。每个矩阵的尺寸单独大于GPU内存。所以我想我需要一个算法来有效地做到这一点。我去了互联网，但没有找到任何。任何人都可以给我这种算法的名称或链接。 谢谢 解决方案 这里没有真正的正式算法;通常，这些类型的线性代数运算，其中整个问题没有同时存储在存储器中被称为“非核心”操作。 为了解决它，你不需要一个特别复杂的算法，只是CUB
..
GPU的哈希表实现
我正在寻找一个哈希表实现，我可以使用CUDA编码。有什么好的一个在那里。像Python字典。我将使用字符串作为我的键 解决方案 Alcantara等人已经展示了用于在GPU上构建哈希表的数据并行算法。我相信该实施已作为 CUDPP 的一部分提供。 也就是说，你可能想重新考虑你原来的哈希表选择。按键对数据进行排序，然后在大规模并行设置中可以获得更好的性能。你想解决什么问题？
..
Fermi L2缓存命中延迟？
有没有人知道Fermi中的L2缓存的相关信息？我听说它是像全局内存一样缓慢，使用L2只是为了放大内存带宽。但我找不到任何官方来源来证实这一点。有没有人测量L2的命中延迟？ 实际上，L2读取未命中如何影响性能？在我的意义上，L2只有在非常记忆绑定的应用程序的意义。 解决方案 此 nvidia 中的主题有一些性能表现的测量。虽然它不是官方信息，可能不是100％准确，它至少给出了一些行
..
为什么CUDA Profiler指示重放的指令：82％！=全局重放+本地重放+共享重放？
我从CUDA Profiler获得信息。我很困惑为什么 Replay Instruction！= Grobal内存回放+本地内存回放+共享银行冲突重放？ 查看以下信息我从profiler： 重播说明（％）：81.60 全局内存重放（％）：21.80 本地内存重放（％）：0.00 共享银行冲突重放（％）：0.00 我解释这个？是否有其他情况导致指令重放？
..
OpenCL和CUDA中的持久性线程
我已经读过一些论文谈论“持久线程”的GPGPU，但我真的不明白。任何一个人给我一个例子，或者告诉我使用这种编程时尚？ 读取和搜索“持久线程”后，我在心中留下了什么： Presistent Threads它只是一个while循环，保持线程运行和计算很多工作。 这是否正确？提前感谢 参考： http://www.idav.ucdavis.edu/publications/pri
..
Numpy，BLAS和CUBLAS
Numpy可以针对不同的BLAS实现（MKL，ACML，ATLAS，GotoBlas等）“链接/编译”。这不总是直接配置，但它是可能的。 是否也可以对NVIDIA的CUBLAS实现“链接/编译”numpy？ 我在网络中找不到任何资源我花了太多时间尝试它，我想确保它可能。 解决方案 一句话：不，你不能这样做。 有一个相当不错的scikit，提供从scipy访问CUBLAS的
..
CUDA：每个多处理器和每个块的线程有多少线程？
我们有一个工作站安装了两个Nvidia Quadro FX 5800卡。运行deviceQuery CUDA示例显示每个多处理器（SM）的最大线程数为1024，而每个块的最大线程数为512. 由于只能执行一个块在每个SM一次，为什么最大线程/处理器是最大线程/块的两倍？我们如何利用每个SM的其他512个线程？ 设备1：“Quadro FX 5800” CUDA驱动程序版本/ Runt
..
什么是GPU中的上下文切换机制？
我知道，GPU在经线之间切换以隐藏内存延迟。但我不知道在哪种情况下，翘曲会被切换出来？例如，如果warp执行加载，并且数据已经在缓存中。因此，翘曲是否被切断或继续下一个计算？如果有两个连续的添加，会发生什么？ 感谢 解决方案 首先，一旦线程块在多处理器经常驻留，直到他们都退出内核。因此，一个块不会启动，直到有足够的寄存器用于块的所有卷曲，并且直到有足够的空闲共享内存为块。 所以经线
..