CUDA:sum[0]的值随每次执行而变化 \uuuu全局\uuuuu无效gpu热量（浮点*h，浮点*g，浮点*sum，整数N）{ 国际nbx，bx，nby，by； 浮差=0.0； nbx=（N-2）/blockDim.x； bx=nbx/gridDim.x； nby=（N-2）/blockDim.y； by=nby/gridDim.y； 无符号整数ii=blockIdx.x*blockDim.x+threadIdx.x； 无符号int jj=blockIdx.y*blockDim.y+threadIdx.y； 无符号整数jid=（ii）*（N-2）+（jj）； 对于（inti=1+ii*bx；i>=1）{ 如果（jid

您正在启动具有多个块的GPU内核。当一个块中的线程仍在第一个

for

循环中计算其

sum

时，其他一些块可能在第二个

for

循环中并行缩减。这两个

for

循环具有数据依赖性。因为块的调度r流式多处理器发生在幕后，每次运行可能会有所不同，每次都会得到不同的结果。

\uuu syncthreads（）；

between

for

循环同步块内的线程，但在多个块之间没有同步机制或指令，除非返回主机并发出另一个内核

---

在您的情况下，即使您只是为循环分离

，您将得到的结果仍然可能是错误的，因为您的缩减发生在多个块上，并且块的调度也不是确定性的。
您可以发布内核的函数调用，以及用于初始化内核的网格和块参数吗，正如上面所说，这有助于找出它失败的原因，但如果它改变了每次调用，这意味着你的代码中存在竞争条件！@Bharat我已经添加了你所要求的代码部分。@1---1是的，似乎有。如果我简单地注释掉内核的缩减部分，并在CPU中累积和矩阵，它将是fine:/无法找出问题所在。@1---1我已经解决了问题。很明显，这是因为我在同一个内核中减少了求和矩阵，并且没有将求和矩阵的访问限制为一个线程块。因此产生了某种竞争条件。现在我使用单独的内核调用来减少“求和”而且它工作正常。尽管如此，我仍然不确定它生成争用条件的确切原因。感谢您的澄清。我错误地认为syncthreads（）与cudaDeviceSynchronize（）一样同步内核的所有线程。
 __global__ void gpu_Heat (float *h, float *g, float * sum, int N) {
        int nbx, bx, nby, by;
        float diff = 0.0;
        nbx = (N-2)/blockDim.x;
        bx = nbx/gridDim.x;
        nby = (N-2)/blockDim.y;
        by = nby/gridDim.y;     
        unsigned int ii = blockIdx.x*blockDim.x+threadIdx.x;
        unsigned int jj = blockIdx.y*blockDim.y+threadIdx.y;
        unsigned int jid = (ii)*(N-2)+(jj);
         for (int i=1+ii*bx; i<=min((ii+1)*bx, N-2); i++) 
                    for (int j=1+jj*by; j<=min((jj+1)*by, N-2); j++) {
                    g[i*N+j]= 0.25 * (h[ i*N + (j-1)]+ 
                                 h[ i*N +(j+1) ]+
                                 h[ (i-1)*N + j]+ 
                                 h[ (i+1)*N + j]); 
                        diff = g[i*N+j] - h[i*N+j];
                        sum[(i-1)*(N-2)+(j-1)] = diff * diff;
                }
        __syncthreads();
        for(unsigned int s=((N-2)*(N-2))/2; s>0; s>>=1){    
            if(jid<s){
                sum[jid]+=sum[jid+s];           
            }
            __syncthreads();    

        }
    }

    dim3 Grid = (16,16);
    dim3 Block = (16,16);
    gpu_Heat<<<Grid,Block>>>(dev_u, dev_uhelp, dev_sum, np);
    cudaThreadSynchronize();                        // wait for all threads to complete
    cudaErrorCheck(cudaMemcpy(param.u,dev_u,np*np*sizeof(float),cudaMemcpyDeviceToHost));
    cudaErrorCheck(cudaMemcpy(param.uhelp,dev_uhelp,np*np*sizeof(float),cudaMemcpyDeviceToHost));
    cudaErrorCheck(cudaMemcpy(sum,dev_sum,sum_size*sizeof(float),cudaMemcpyDeviceToHost));