CUDA-埃拉托什尼筛分为若干部分
我正在GPU上编写Eratosthenes()筛的实现。但是没有这样的事情- 方法:CUDA-埃拉托什尼筛分为若干部分,c,cuda,parallel-processing,primes,sieve-of-eratosthenes,C,Cuda,Parallel Processing,Primes,Sieve Of Eratosthenes,我正在GPU上编写Eratosthenes()筛的实现。但是没有这样的事情- 方法: 创建具有默认值0/1(0-prime,1-no)的n元素数组并将其传递给GPU(我知道可以直接在内核中完成,但目前还没有问题) 块中的每个线程检查单个数字的倍数。每个区块检查总sqrt(n)可能性。每个块==不同的间隔 将倍数标记为1并将数据传回主机 代码: #包括 #包括 #定义线程1024 __全局无效内核(int*全局,int线程){ 外部共享内部缓存[]; inttid=threadIdx.x+1; i
#包括
#包括
#定义线程1024
__全局无效内核(int*全局,int线程){
外部共享内部缓存[];
inttid=threadIdx.x+1;
int offset=blockIdx.x*blockDim.x;
整数=偏移量+tid;
cache[tid-1]=全局[number];
__同步线程();
int start=偏移量+1;
int end=偏移量+螺纹;
对于(int i=start;i,我认为有几个问题,但这里有一个指向实际问题的指针:Eratosthenes的筛选以迭代方式移除已经遇到的素数的倍数,并且您希望将工作负载分离到线程块中,其中每个线程块在一块共享内存(在您的示例中为缓存)上运行。但是,线程块通常独立于所有其他线程块,并且不能轻松地相互通信。举例说明此问题:索引为0的线程块中的索引为0的线程会删除2的倍数。索引为>0的线程块无法知道这一点。此代码有各种问题,在我看来
>p>基本上是访问范围之外的项。考虑内核中的这个序列:
int tid = threadIdx.x + 1;
int offset = blockIdx.x * blockDim.x;
int number = offset + tid;
cache[tid - 1] = global[number];
你(在某些情况下——见下文)已启动一个大小与您的全局
数组完全相同的线程数组。那么,当编号最高的线程运行上述代码时会发生什么情况?number
=threadIdx.x+1+blockIdx.x*blockDim.x
。此number
索引将超出数组的末尾。对于n
。如果您使用或使用cuda memcheck
运行代码,这个问题对您来说是显而易见的。当您在使用cuda代码时遇到问题,并且在向他人寻求帮助之前,您应该始终执行这些操作
只有当输入n
是一个完美的正方形时,代码才有机会正常工作。原因包括以下代码行(以及内核中的依赖项):
(请注意,这里正确的函数应该是atoi
而不是atol
,但我离题了…)除非n
是一个完美的正方形,否则得到的n\u sqrt
将略小于n
的实际平方根。这将导致您计算小于必要大小的总线程数组。(如果你现在不相信我,那没关系。运行下面我将发布的代码,输入1025这样的大小,然后查看threads*块的数量是否足以覆盖1025个数组。)
正如你所说:
每个区块检查总sqrt(n)可能性
希望这也指出了非完美正方形n
的危险,但我们现在必须问“如果n
大于最大螺纹块大小(1024)的平方会怎样?”答案是代码在许多情况下无法正常工作-您选择的10240000输入,尽管是完美正方形,但超过了1024^2(1048576)由于这个原因,它不起作用。您的算法(我声称它不是一个Eratosthenes的筛子)要求每个块都能够检查sqrt(n)
可能性,正如您在问题中所述。当由于每个块的线程数限制而无法实现时,您的算法开始崩溃
下面是一段代码,它试图修复上面的问题1,并至少解释了与#2和#3相关的故障:
#包括
#包括
#定义线程1024
#定义最大值10240000
#定义cudaCheckErrors(msg)\
做{\
cudaError\u t\u err=cudaGetLastError()\
如果(_err!=cudaSuccess){\
fprintf(标准,“致命错误:%s(%s位于%s:%d)\n”\
msg,cudaGetErrorString(_err)\
__文件(行)\
fprintf(stderr,“***失败-中止\n”)\
出口(1)\
} \
}而(0)
__全局无效内核(int*全局,int线程){
外部共享内部缓存[];
inttid=threadIdx.x+1;
int offset=blockIdx.x*blockDim.x;
整数=偏移量+tid;
if((blockIdx.x!=(gridDim.x-1))| |(threadIdx.x!=(blockDim.x-1))){
cache[tid-1]=全局[number];
__同步线程();
int start=偏移量+1;
int end=偏移量+螺纹;
对于(int i=开始;我将标记赔率的倍数,而不是素数,帮助(或2-3-5…共数,即车轮)?另一种处理方法可能是分段工作,并使用已知的素数筛选下一个块。@Peter Klenner,thx,但查看了我编辑的文章。我添加了我想要实现的示例。我认为线程块之间不需要通信。每个线程块在不同的间隔上工作。@Will Ness,我不标记素数只有倍数。当n=64时,要检查的是sqrt(64)=8个数字。我希望每个线程块在不同的间隔上工作,threadIdx==multiple.block 1实际上覆盖了间隔10-17。您的循环for(int I=start;I
不适用于检测素数的倍数。例如,数字10被打折,因为它是此线程块中的第一个条目。您需要使用模运算符并将循环扩展到每个线程的整个段上。从我的h
int tid = threadIdx.x + 1;
int offset = blockIdx.x * blockDim.x;
int number = offset + tid;
cache[tid - 1] = global[number];
int n = atol(argv[1]);
int n_sqrt = floor(sqrt((double)n));
...
int threads = min(n_sqrt, THREADS);
int blocks = n / threads;
#include <stdio.h>
#include <stdlib.h>
#define THREADS 1024
#define MAX 10240000
#define cudaCheckErrors(msg) \
do { \
cudaError_t __err = cudaGetLastError(); \
if (__err != cudaSuccess) { \
fprintf(stderr, "Fatal error: %s (%s at %s:%d)\n", \
msg, cudaGetErrorString(__err), \
__FILE__, __LINE__); \
fprintf(stderr, "*** FAILED - ABORTING\n"); \
exit(1); \
} \
} while (0)
__global__ void kernel(int *global, int threads) {
extern __shared__ int cache[];
int tid = threadIdx.x + 1;
int offset = blockIdx.x * blockDim.x;
int number = offset + tid;
if ((blockIdx.x != (gridDim.x-1)) || (threadIdx.x != (blockDim.x-1))){
cache[tid - 1] = global[number];
__syncthreads();
int start = offset + 1;
int end = offset + threads;
for (int i = start; i <= end; i++) {
if ((i != tid) && (tid != 1) && (i % tid == 0)) {
cache[i - offset - 1] = 1;
}
}
__syncthreads();
global[number] = cache[tid - 1];}
}
int cpu_sieve(int n){
int limit = floor(sqrt(n));
int *test_arr = (int *)malloc(n*sizeof(int));
if (test_arr == NULL) return -1;
memset(test_arr, 0, n*sizeof(int));
for (int i = 2; i < limit; i++)
if (!test_arr[i]){
int j = i*i;
while (j <= n){
test_arr[j] = 1;
j += i;}}
int count = 0;
for (int i = 2; i < n; i++)
if (!test_arr[i]) count++;
return count;
}
int main(int argc, char *argv[]) {
int *array, *dev_array;
if (argc != 2) {printf("must supply n as command line parameter\n"); return 1;}
int n = atoi(argv[1]);
if ((n < 1) || (n > MAX)) {printf("n out of range %d\n", n); return 1;}
int n_sqrt = floor(sqrt((double)n));
size_t array_size = n * sizeof(int);
array = (int*) malloc(n * sizeof(int));
array[0] = 1;
array[1] = 1;
for (int i = 2; i < n; i++) {
array[i] = 0;
}
cudaMalloc((void**)&dev_array, array_size);
cudaMemcpy(dev_array, array, array_size, cudaMemcpyHostToDevice);
int threads = min(n_sqrt, THREADS);
int blocks = n / threads;
int shared = threads * sizeof(int);
printf("threads = %d, blocks = %d\n", threads, blocks);
kernel<<<blocks, threads, shared>>>(dev_array, threads);
cudaMemcpy(array, dev_array, array_size, cudaMemcpyDeviceToHost);
cudaCheckErrors("some error");
int count = 0;
for (int i = 0; i < n; i++) {
if (array[i] == 0) {
count++;
}
}
printf("Count: %d\n", count);
printf("CPU Sieve: %d\n", cpu_sieve(n));
return 0;
}