C++ 为什么CUDA在访问类成员时崩溃?
如果这是一个新问题,很抱歉,但我找不到它。我一直在编写一个可以使用CDUA加速的程序。然而,我的方法在很大程度上依赖于将类对象(完全,而不仅仅是它们的成员)传递给内核来实现功能。为了确定这是否可行,我编写了一个小测试程序C++ 为什么CUDA在访问类成员时崩溃?,c++,oop,cuda,C++,Oop,Cuda,如果这是一个新问题,很抱歉,但我找不到它。我一直在编写一个可以使用CDUA加速的程序。然而,我的方法在很大程度上依赖于将类对象(完全,而不仅仅是它们的成员)传递给内核来实现功能。为了确定这是否可行,我编写了一个小测试程序 class bulkArray { public: double* value; int xSize; bulkArray(int xSize) { value = new double[xSize]; this->
class bulkArray {
public:
double* value;
int xSize;
bulkArray(int xSize) {
value = new double[xSize];
this->xSize = xSize;
}
};
__global__ void addArrays(bulkArray *a, bulkArray *b, bulkArray *c, int N) {
int id = blockIdx.x*blockDim.x + threadIdx.x;
if (id < N)
c->value[id] = a->value[id] + b->value[id];
}
int main() {
int N = 50000000;
bulkArray *a;
bulkArray *b;
bulkArray *c;
a = new bulkArray(N);
b = new bulkArray(N);
c = new bulkArray(N);
// allocate unified memory.
cudaMallocManaged(&a, sizeof(a));
cudaMallocManaged(&b, sizeof(b));
cudaMallocManaged(&c, sizeof(c));
// init vectors on host.
for (int i = 0; i < N; i++) {
// CRASHING HERE.
a->value[i] = sin(i) * cos(i);
b->value[i] = sin(i) * cos(i);
}
int blockSize = 1024;
int gridSize = (int)ceil((float)N / blockSize);
addArrays << <gridSize, blockSize >> > (a, b, c, N);
// sum up vector c.
double sum = 0;
for (int i = 0; i < N; i++) {
sum += c->value[i];
}
cout << "Final result: " << sum << endl;
cudaFree(a);
cudaFree(b);
cudaFree(c);
return 0;
}
类数组{
公众:
双*值;
int-xSize;
bulkArray(int-xSize){
值=新的双精度[xSize];
这->xSize=xSize;
}
};
__全局无效添加数组(bulkArray*a、bulkArray*b、bulkArray*c、int N){
int id=blockIdx.x*blockDim.x+threadIdx.x;
if(idvalue[id]=a->value[id]+b->value[id];
}
int main(){
整数N=50000000;
阵列*a;
阵列*b;
阵列*c;
a=新的阵列(N);
b=新的阵列(N);
c=新的阵列(N);
//分配统一内存。
cudaMallocManaged(a,sizeof(a));
CudamallocManager(b&b,sizeof(b));
CudamallocManager(c&c,sizeof(c));
//主机上的初始化向量。
对于(int i=0;i值[i]=sin(i)*cos(i);
b->值[i]=sin(i)*cos(i);
}
int blockSize=1024;
int gridSize=(int)cell((float)N/blockSize);
添加数组>(a、b、c、N);
//求向量c的和。
双和=0;
对于(int i=0;i值[i];
}
cout您可能对托管内存或cudamalocmanaged
的工作原理有一些误解。在某些方面,cudamalocmanaged
在概念上类似于C-librarymalloc
,只是它分配托管内存。有关在简单的CUDA应用程序中使用托管内存的更详细介绍,请参见你可以参考一下
具体而言,您的代码存在以下一些问题:
当为具有嵌入式指针的对象数组使用托管分配时,如果您打算在设备上使用托管分配,则所有级别的分配都需要替换为托管分配。因此,如果您想访问设备代码中的该成员/字段,则在构造函数中使用new
,将不起作用。我们可以替换cudamalocmanaged
我们不使用new
分配指针,然后使用cudamalocmanaged
重新分配同一指针
C(或C++)中的sizeof
函数在指针上使用时将返回该指针的大小,而不是它指向的任何对象的大小。因此,这不是为对象数组进行分配的合理方法
CUDA内核启动是异步的,因此在内核启动之后,如果您想使用托管数据,就必须创建某种类型的同步
以下是解决上述问题的一组最小修改。我省略了适当的CUDA错误检查,但我强烈建议在开发CUDA代码时使用。如果您有困难,我还建议使用CUDA memcheck
运行此代码:
$ cat t51.cu
#include <iostream>
using namespace std;
class bulkArray {
public:
double* value;
int xSize;
void init(int xSize) {
cudaMallocManaged(&value, xSize*sizeof(double));
this->xSize = xSize;
}
};
__global__ void addArrays(bulkArray *a, bulkArray *b, bulkArray *c, int N) {
int id = blockIdx.x*blockDim.x + threadIdx.x;
if (id < N)
c->value[id] = a->value[id] + b->value[id];
}
int main() {
int N = 50000;
bulkArray *a;
bulkArray *b;
bulkArray *c;
// allocate unified memory.
cudaMallocManaged(&a, sizeof(bulkArray));
cudaMallocManaged(&b, sizeof(bulkArray));
cudaMallocManaged(&c, sizeof(bulkArray));
a->init(N);
b->init(N);
c->init(N);
// init vectors on host.
for (int i = 0; i < N; i++) {
a->value[i] = sin(i) * cos(i);
b->value[i] = sin(i) * cos(i);
}
int blockSize = 1024;
int gridSize = (int)ceil((float)N / blockSize);
addArrays << <gridSize, blockSize >> > (a, b, c, N);
cudaDeviceSynchronize();
// sum up vector c.
double sum = 0;
double sum2 = 0;
for (int i = 0; i < N; i++) {
sum += c->value[i];
sum2 += a->value[i] + b->value[i];
}
cout << "Final result: " << sum << " should be: " << sum2 << endl;
cudaFree(a);
cudaFree(b);
cudaFree(c);
return 0;
}
$ nvcc -arch=sm_35 -o t51 t51.cu
$ cuda-memcheck ./t51
========= CUDA-MEMCHECK
Final result: 0.624013 should be: 0.624013
========= ERROR SUMMARY: 0 errors
$
$cat t51.cu
#包括
使用名称空间std;
类块阵列{
公众:
双*值;
int-xSize;
void init(int-xSize){
cudaMallocManaged(&value,xSize*sizeof(double));
这->xSize=xSize;
}
};
__全局无效添加数组(bulkArray*a、bulkArray*b、bulkArray*c、int N){
int id=blockIdx.x*blockDim.x+threadIdx.x;
if(idvalue[id]=a->value[id]+b->value[id];
}
int main(){
int N=50000;
阵列*a;
阵列*b;
阵列*c;
//分配统一内存。
cudaMallocManaged(&a,sizeof(bulkArray));
CudamAllocManager(&b,sizeof(bulkArray));
cudaMallocManaged(&c,sizeof(bulkArray));
a->init(N);
b->init(N);
c->init(N);
//主机上的初始化向量。
对于(int i=0;i值[i]=sin(i)*cos(i);
b->值[i]=sin(i)*cos(i);
}
int blockSize=1024;
int gridSize=(int)cell((float)N/blockSize);
添加数组>(a、b、c、N);
cudaDeviceSynchronize();
//求向量c的和。
双和=0;
双sum2=0;
对于(int i=0;i值[i];
sum2+=a->值[i]+b->值[i];
}
cout您可能对托管内存或cudamalocmanaged
的工作原理有一些误解。在某些方面,cudamalocmanaged
在概念上类似于C-librarymalloc
,只是它分配托管内存。有关在简单的CUDA应用程序中使用托管内存的更详细介绍,请参见你可以参考一下
具体而言,您的代码存在以下一些问题:
当为具有嵌入式指针的对象数组使用托管分配时,如果您打算在设备上使用托管分配,则所有级别的分配都需要替换为托管分配。因此,如果您想访问设备代码中的该成员/字段,则在构造函数中使用new
,将不起作用。我们可以替换cudamalocmanaged
我们不使用new
分配指针,然后使用cudamalocmanaged
重新分配同一指针
C(或C++)中的sizeof
函数在指针上使用时将返回该指针的大小,而不是它指向的任何对象的大小。因此,这不是为对象数组进行分配的合理方法
CUDA内核启动是异步的,因此在内核启动之后,如果您想使用托管数据,就必须创建某种类型的同步
以下是解决上述问题的一组最小修改。我省略了适当的CUDA错误检查,但我强烈建议在开发CUDA代码时使用。如果您有困难,我还建议使用CUDA memcheck
运行此代码:
$ cat t51.cu
#include <iostream>
using namespace std;
class bulkArray {
public:
double* value;
int xSize;
void init(int xSize) {
cudaMallocManaged(&value, xSize*sizeof(double));
this->xSize = xSize;
}
};
__global__ void addArrays(bulkArray *a, bulkArray *b, bulkArray *c, int N) {
int id = blockIdx.x*blockDim.x + threadIdx.x;
if (id < N)
c->value[id] = a->value[id] + b->value[id];
}
int main() {
int N = 50000;
bulkArray *a;
bulkArray *b;
bulkArray *c;
// allocate unified memory.
cudaMallocManaged(&a, sizeof(bulkArray));
cudaMallocManaged(&b, sizeof(bulkArray));
cudaMallocManaged(&c, sizeof(bulkArray));
a->init(N);
b->init(N);
c->init(N);
// init vectors on host.
for (int i = 0; i < N; i++) {
a->value[i] = sin(i) * cos(i);
b->value[i] = sin(i) * cos(i);
}
int blockSize = 1024;
int gridSize = (int)ceil((float)N / blockSize);
addArrays << <gridSize, blockSize >> > (a, b, c, N);
cudaDeviceSynchronize();
// sum up vector c.
double sum = 0;
double sum2 = 0;
for (int i = 0; i < N; i++) {
sum += c->value[i];
sum2 += a->value[i] + b->value[i];
}
cout << "Final result: " << sum << " should be: " << sum2 << endl;
cudaFree(a);
cudaFree(b);
cudaFree(c);
return 0;
}
$ nvcc -arch=sm_35 -o t51 t51.cu
$ cuda-memcheck ./t51
========= CUDA-MEMCHECK
Final result: 0.624013 should be: 0.624013
========= ERROR SUMMARY: 0 errors
$
$cat t51.cu
#包括
使用namespac