Compiler construction CUDA 5.0，编译错误

下面的代码给出了一个错误，我看不出任何原因。有人能告诉我我做错了什么吗

__global__ void thekernel(float *device_a, int CELLS, int LVLS) {

   int t_id = threadIdx.x + blockDim.x * blockIdx.x;

   int INR = CELLS - 1;
   int col = INR - (threadIdx.x % CELLS);
   int row = t_id / CELLS;
   float power = (row / pow((float)LVLS, col)) % LVLS;
   device_a[t_id] = power;
 }

编译错误说明：

cudaMain.cu(11): error: expression must have integral or enum type

也就是说：

float power = (row / pow((float)LVLS, col)) % LVLS;

如果我从此表达式中删除“%LVLS”，则代码编译时不会出现任何错误。 编译字符串为：

nvcc -G -g -O0 -gencode arch=compute_20,code=sm_20 -odir "" -M -o "cudaMain.d" "../cudaMain.cu"
nvcc --compile -G -O0 -g -gencode arch=compute_20,code=compute_20 -gencode arch=compute_20,code=sm_20  -x cu -o  "cudaMain.o" "../cudaMain.cu"

硬件

---

我的GPU卡是：Quadro 6000，计算能力为2.0

将幂函数转换为键入int

int denom = (int)pow((float)LVLS, (float)col);
int power = (row / denom) % LVLS;

---

执行时没有任何编译错误。有趣的是，在cuda中，模运算符仅限于整数。（我对此不太确定）

将幂函数转换为键入int有效

int denom = (int)pow((float)LVLS, (float)col);
int power = (row / denom) % LVLS;

---

执行时没有任何编译错误。有趣的是，在cuda中，模运算符仅限于整数。（我对此不太确定）

浮点pow（float，int）还没有完成，也许？你能试试pow（float，float）或pow（int，int）@huseyintugrulbuyukisik吗？如果我只是删除mod LVLS或（%LVLS），错误就会消失。如果我将语句分成两行：power=（row/pow（（float）LVLS，col））power=power%LVLS，那么在第二行（power=power%LVLS）会再次出现错误，您可能需要取整数类型的模，例如int或long。可能浮点和双精度不能用于模数运算符目标。它应该自动施放，虽然它不需要。是的，你是对的。将pow（（浮动）LVLS，col）转换为整数的效果正常。但这很有趣。有些事情出乎我的意料。可能是因为它必须遵守C-99？浮点pow（浮点，int）还没有完成，也许？你能试试pow（float，float）或pow（int，int）@huseyintugrulbuyukisik吗？如果我只是删除mod LVLS或（%LVLS），错误就会消失。如果我将语句分成两行：power=（row/pow（（float）LVLS，col））power=power%LVLS，那么在第二行（power=power%LVLS）会再次出现错误，您可能需要取整数类型的模，例如int或long。可能浮点和双精度不能用于模数运算符目标。它应该自动施放，虽然它不需要。是的，你是对的。将pow（（浮动）LVLS，col）转换为整数的效果正常。但这很有趣。也许是因为它必须遵守C-99，而不是在CUDA中，它是C和C++标准的一部分，代码< %%/COD> >运算符只适用于整数类型。从数学上讲，余数是整数除法的一部分，而不是十进制除法。有关功能类似于模运算符但为浮点操作数定义的内容，请查看函数fmod（）、rements（）和remquo（）。注意：这些在我使用的任何平台上都不是特别快，包括CUDA。不是CUDA，它是C和C++标准的一部分，代码> %运算符只适用于整数类型。从数学上讲，余数是整数除法的一部分，而不是十进制除法。有关功能类似于模运算符但为浮点操作数定义的内容，请查看函数fmod（）、rements（）和remquo（）。注意：在我使用过的任何平台（包括CUDA）上，这些都不是特别快。