C++ CUDA cudaMemCpy不'；尽管Cudat取得了成功，但他似乎没有复制

我刚开始学习CUDA，这是我的第一个项目。我对这个问题进行了搜索，虽然我注意到其他人也有类似的问题，但这些建议似乎都与我的具体问题无关，也没有对我的情况有所帮助

作为练习，我正在尝试使用CUDA编写一个n体模拟。在这个阶段，我对我的具体实现是否有效不感兴趣，我只是在寻找一些有效的东西，我可以稍后对其进行改进。我还需要在代码运行后更新代码，以处理我的SLI配置

以下是该过程的简要概述：

创建X和Y位置、速度和加速度矢量

在GPU上创建相同的向量，并跨

在循环中：（i）计算迭代的加速度，（ii）将加速度应用于速度和位置，以及（iii）将位置复制回主机以供显示

（显示尚未实现。我将稍后执行此操作）

现在不要担心加速度计算功能，这里是更新功能：

__global__ void apply_acc(double* pos_x, double* pos_y, double* vel_x, double* vel_y, double* acc_x, double* acc_y, int N)
{
    int i = threadIdx.x;

    if (i < N);
    {
        vel_x[i] += acc_x[i];
        vel_y[i] += acc_y[i];

        pos_x[i] += vel_x[i];
        pos_y[i] += vel_y[i];
    }
}

然后它仍然给出相同的值，因此没有调用

apply\u acc

，或者

cudaMemcpy

没有将数据复制回来

所有

cudamaloc

和

cudaMemcpy

调用返回

cudascucess

是指向完整代码的PasteBin链接。这应该是相当简单的遵循，因为有很多重复的各种数组

正如我所说，我以前从未编写过CUDA代码，我是根据NVidia的#2 CUDA示例视频编写的，在该视频中，该人编写了并行阵列加法代码。我不确定这是否有什么不同，但我正在使用2x GTX970与最新的NVidia驱动程序和CUDA 7.0 RC，并且我选择在安装CUDA时不安装捆绑驱动程序，因为它们比我之前的版本旧。

这不起作用：

const int N = 100000;
...
calc_acc<<<1, N>>>(...);
apply_acc<<<1, N>>>(...);

const int N=100000；
...
会计科目（…）；
应用_acc（…）；

内核启动配置的第二个参数（

）是threads per block参数。它被限制为512或1024，具体取决于编译方式。这些内核将不会启动，需要使用correct捕获由此产生的错误类型。仅查看后续CUDA API函数的返回值并不表示存在此类错误（这就是为什么您随后会看到

cudaSuccess

）

关于这个概念本身，我建议你了解更多。要启动大量线程，需要使用内核启动配置的两个参数（即前两个参数中的niether应为1）。从性能角度来看，这通常也是可取的。

这不起作用：

const int N = 100000;
...
calc_acc<<<1, N>>>(...);
apply_acc<<<1, N>>>(...);

const int N=100000；
...
会计科目（…）；
应用_acc（…）；

内核启动配置的第二个参数（

）是threads per block参数。它被限制为512或1024，具体取决于编译方式。这些内核将不会启动，需要使用correct捕获由此产生的错误类型。仅查看后续CUDA API函数的返回值并不表示存在此类错误（这就是为什么您随后会看到

cudaSuccess

）

关于这个概念本身，我建议你了解更多。要启动大量线程，需要使用内核启动配置的两个参数（即前两个参数中的niether应为1）。从性能角度来看，这通常也是可取的。

这不起作用：

const int N = 100000;
...
calc_acc<<<1, N>>>(...);
apply_acc<<<1, N>>>(...);

const int N=100000；
...
会计科目（…）；
应用_acc（…）；

内核启动配置的第二个参数（

）是threads per block参数。它被限制为512或1024，具体取决于编译方式。这些内核将不会启动，需要使用correct捕获由此产生的错误类型。仅查看后续CUDA API函数的返回值并不表示存在此类错误（这就是为什么您随后会看到

cudaSuccess

）

关于这个概念本身，我建议你了解更多。要启动大量线程，需要使用内核启动配置的两个参数（即前两个参数中的niether应为1）。从性能角度来看，这通常也是可取的。

这不起作用：

const int N = 100000;
...
calc_acc<<<1, N>>>(...);
apply_acc<<<1, N>>>(...);

const int N=100000；
...
会计科目（…）；
应用_acc（…）；

内核启动配置的第二个参数（

）是threads per block参数。它被限制为512或1024，具体取决于编译方式。这些内核将不会启动，需要使用correct捕获由此产生的错误类型。仅查看后续CUDA API函数的返回值并不表示存在此类错误（这就是为什么您随后会看到

cudaSuccess

）

---

关于这个概念本身，我建议你了解更多。要启动大量线程，需要使用内核启动配置的两个参数（即前两个参数中的niether应为1）。从性能角度来看，这通常也是可取的。

好的，谢谢。目前，我将把N限制在512，并确保它有效，然后我将更新任意大N的代码。谢谢你的建议。好的，谢谢。目前，我将把N限制在512，并确保它有效，然后我将更新任意大N的代码。谢谢你的建议。好的，谢谢。目前，我将把N限制在512，并确保它有效，然后我将更新任意大N的代码。谢谢你的建议。好的，谢谢。目前，我将N限制为512，并确保它工作正常，然后我将更新任意大N的代码。谢谢你的建议。