使用copyin和copyout的OpenAcc错误

一般资料

注意：我对C、OpenAcc也是相当陌生的

您好，我正在尝试开发一个图像模糊程序，但首先我想看看是否可以并行化for循环和copyin/copyout我的值

我目前面临的问题是，当我尝试复制输入和复制输出我的数据和输出变量时。这个错误看起来是缓冲区溢出（我也用谷歌搜索了一下，人们都这么说），但我不确定该如何解决这个问题。我想我的指针有问题，但我不确定

提前非常感谢，如果您认为我遗漏了一些信息，请让我知道，我可以提供

问题:

我想确认错误到底是什么

我应该如何着手解决这个问题

任何我应该进一步研究的问题，以便我将来能够自己解决此类问题

错误

程序定义

#包括
#包括
#包括
#包括
// ================================================
//ppmFile.h
// ================================================
#包括
typedef结构图像
{
整数宽度；
内部高度；
无符号字符*数据；
}形象；
图像*图像创建（整数宽度，
内部高度）；
图像*图像读取（字符*文件名）；
无效图像写入（图像*图像，
字符*文件名）；
int ImageWidth（图像*图像）；
int ImageHeight（图像*图像）；
无效图像清除（图像*图像，
未签名的字符红色，
无符号字符绿色，
无符号字符（蓝色）；
无效图像设置像素（图像*图像，
int x，
INTY，
陈英杰，
无符号字符（val）；
无符号字符ImageGetPixel（图像*图像，
int x，
INTY，
陈国强),；

模糊滤波函数

//================================================
//模糊过滤器
// ================================================
void ProcessImageACC（图像**数据，整型过滤器，图像**输出）{
int行=（*数据）->高度；
整数列=（*数据）->宽度；
#pragma acc data copyin（行、列、筛选器列、（*data）->数据[0:row*col]）copyout（（*output）->数据[0:row*col]）
#pragma-acc核
{
#pragma acc环路独立
对于（int j=0；j数据[j*行+i]=（*数据）->数据[j*行+i]；
}
}
}
}

主要功能

//================================================
//主程序
// ================================================
int main（int argc，char*argv[]）{
//用于处理的变量：
图像*数据，*结果；
int-dataSize；
int filteradius=atoi（argv[1]）；
//==读取数据===
数据=图像读取（argv[2]）；
//==向节点发送数据===
//发送数据大小（字节）
dataSize=sizeof（无符号字符）*数据->宽度*数据->高度*3；
//==处理图像===
//分配空间来存储结果
结果=（图像*）malloc（sizeof（图像））；
结果->数据=（无符号字符*）malloc（数据大小）；
结果->宽度=数据->宽度；
结果->高度=数据->高度；
//将全部初始化为0
对于（int i=0；i<（结果->宽度*结果->高度*3）；i++）{
结果->数据[i]=0；
}
//应用过滤器
ProcessImageACC（数据、过滤器和结果）；
//==保存回数据===
ImageWrite（结果，argv[3]）；
返回0；
}

这里的问题是，除了数据数组之外，还需要复制输出和数据指针。从编译器的反馈消息中，您可以看到编译器隐式地将它们复制过来

% pgcc -c image.c -ta=tesla:cc70 -Minfo=accel
ProcessImageACC:
     46, Generating copyout(output->->data[:col*row])
         Generating copyin(data->->data[:col*row],col,filterRad,row)
     47, Generating implicit copyout(output[:1])
         Generating implicit copyin(data[:1])
     50, Loop is parallelizable
     52, Loop is parallelizable
         Accelerator kernel generated
         Generating Tesla code
         50, #pragma acc loop gang, vector(4) /* blockIdx.y threadIdx.y */
         52, #pragma acc loop gang, vector(32) /* blockIdx.x threadIdx.x */

现在，您可以通过使用非结构化数据区域来创建数据和指针，然后将指针“附加”到数组（即，将设备指针的值填充到设备数据数组的地址）来实现这一点

尽管更简单的选择是创建指向数据的临时数组，然后将数据复制到设备。这还将提高代码的性能（在GPU和CPU上），因为它消除了额外的间接寻址级别

void ProcessImageACC(Image **data, int filterRad, Image **output) {
  int row = (*data)->height;
  int col = (*data)->width;
  unsigned char * ddata, * odata;
  odata = (*output)->data;
  ddata = (*data)->data;

  #pragma acc data copyin(ddata[0:row * col]) copyout(odata[0:row * col])
  #pragma acc kernels
  {
    #pragma acc loop independent
    for (int j = 0; j < row; j++) {
      #pragma acc loop independent
      for (int i = 0; i < col; i++) {
        odata[j * row + i] = ddata[j * row + i];
      }
    }
  }
}

void ProcessImageACC（图像**数据、整型过滤器、图像**输出）{
int行=（*数据）->高度；
整数列=（*数据）->宽度；
无符号字符*ddata，*odata；
odata=（*输出）->数据；
ddata=（*数据）->数据；
#pragma acc数据复制输入（ddata[0:row*col]）复制输出（odata[0:row*col]）
#pragma-acc核
{
#pragma acc环路独立
对于（int j=0；j

请注意，标量在默认情况下是firstprivate的，因此无需在data子句中添加row、col和filterRad变量

// ================================================
// The Blur Filter
// ================================================

void ProcessImageACC(Image **data, int filterRad, Image **output) {
  int row = (*data)->height;
  int col = (*data)->width;

  #pragma acc data copyin(row, col, filterRad, (*data)->data[0:row * col]) copyout((*output)->data[0:row * col])
  #pragma acc kernels
  {
    #pragma acc loop independent
    for (int j = 0; j < row; j++) {
      #pragma acc loop independent
      for (int i = 0; i < col; i++) {
        (*output)->data[j * row + i] = (*data)->data[j * row + i];
      }
    }
  }
}

// ================================================
// Main Program
// ================================================
int main(int argc, char *argv[]) {
  // vars used for processing:
  Image *data, *result;
  int    dataSize;
  int    filterRadius = atoi(argv[1]);

  // ===read the data===
  data = ImageRead(argv[2]);

  // ===send data to nodes===
  // send data size in bytes
  dataSize = sizeof(unsigned char) * data->width * data->height * 3;

  // ===process the image===
  // allocate space to store result
  result         = (Image *)malloc(sizeof(Image));
  result->data   = (unsigned char *)malloc(dataSize);
  result->width  = data->width;
  result->height = data->height;

  // initialize all to 0
  for (int i = 0; i < (result->width * result->height * 3); i++) {
    result->data[i] = 0;
  }

  // apply the filter
  ProcessImageACC(&data, filterRadius, &result);

  // ===save the data back===
  ImageWrite(result, argv[3]);

  return 0;
}

% pgcc -c image.c -ta=tesla:cc70 -Minfo=accel
ProcessImageACC:
     46, Generating copyout(output->->data[:col*row])
         Generating copyin(data->->data[:col*row],col,filterRad,row)
     47, Generating implicit copyout(output[:1])
         Generating implicit copyin(data[:1])
     50, Loop is parallelizable
     52, Loop is parallelizable
         Accelerator kernel generated
         Generating Tesla code
         50, #pragma acc loop gang, vector(4) /* blockIdx.y threadIdx.y */
         52, #pragma acc loop gang, vector(32) /* blockIdx.x threadIdx.x */

void ProcessImageACC(Image **data, int filterRad, Image **output) {
  int row = (*data)->height;
  int col = (*data)->width;
  unsigned char * ddata, * odata;
  odata = (*output)->data;
  ddata = (*data)->data;

  #pragma acc data copyin(ddata[0:row * col]) copyout(odata[0:row * col])
  #pragma acc kernels
  {
    #pragma acc loop independent
    for (int j = 0; j < row; j++) {
      #pragma acc loop independent
      for (int i = 0; i < col; i++) {
        odata[j * row + i] = ddata[j * row + i];
      }
    }
  }
}