C++ 为什么这个类成员变量在调用CUDA内核函数时不改变？

在一个简单的测试CUDA应用程序中，我有一个指向类实例列表的指针，并将该数据复制到GPU。然后我多次运行内核函数。然后，内核函数为每个类实例调用一个

\uuuu设备

成员函数，该函数增加一个变量

profitLoss

由于某些原因，

profitLoss

没有递增。以下是我的代码：

#include <stdio.h>
#include <stdlib.h>

#define N 200000

class Strategy {
    private:
        double profitLoss;

    public:
        __device__ __host__ Strategy() {
            this->profitLoss = 0;
        }
        __device__ __host__ void backtest() {
            this->profitLoss++;
        }
        __device__ __host__ double getProfitLoss() {
            return this->profitLoss;
        }
};

__global__ void backtestStrategies(Strategy *strategies) {
    int i = blockIdx.x * blockDim.x + threadIdx.x;

    if (i < N) {
        strategies[i].backtest();
    }
}

int main() {
    int threadsPerBlock = 1024;
    int blockCount = 32;

    Strategy *devStrategies;
    Strategy *strategies = (Strategy*)malloc(N * sizeof(Strategy));
    int i = 0;

    // Allocate memory for strategies on the GPU.
    cudaMalloc((void**)&devStrategies, N * sizeof(Strategy));

    // Initialize strategies on host.
    for (i=0; i<N; i++) {
        strategies[i] = Strategy();
    }

    // Copy strategies from host to GPU.
    cudaMemcpy(devStrategies, strategies, N * sizeof(Strategy), cudaMemcpyHostToDevice);

    for (i=0; i<363598; i++) {
        backtestStrategies<<<blockCount, threadsPerBlock>>>(devStrategies);
    }

    // Copy strategies from the GPU.
    cudaMemcpy(strategies, devStrategies, N * sizeof(Strategy), cudaMemcpyDeviceToHost);

    // Display results.
    for (i=0; i<N; i++) {
        printf("%f\n", strategies[i].getProfitLoss());
    }

    // Free memory for the strategies on the GPU.
    cudaFree(devStrategies);

    return 0;
}

我希望是：

363598.000000
363598.000000
363598.000000
363598.000000
363598.000000
363598.000000
363598.000000
363598.000000
...

我相信

profitLoss

不会因为我初始化对象的方式（自动存储持续时间）而增加，我也不确定是否有更好的方式来实例化这些对象并

cudaMemcpy

将它们转移到GPU：

strategies[i] = Strategy();

有人能就如何解决这个问题或原因提供一些建议吗？提前谢谢你

---

---

更新对于前32768个输出行，似乎有数据，然后，每一行都是零。因此，我可能遇到了某种限制。

根据您的网格dim

blockCount

和block dim

threadsPerBlock

设置，您只启动32x1024个线程，每个线程只更新一个实例。这就是为什么在向量的开头只有32768个非零结果

为了获得预期的结果，您可以通过增加网格dim

blockCount

来增加GPU线程的数量，使其足以覆盖所有

N

元素，或者

您可以在内核函数中使用for循环，让每个GPU线程更新几个元素，直到所有元素都更新为止

第二种方式是首选的，因为它具有更少的块启动开销。但您可能仍然需要大于32的网格dim来充分利用您的GPU。你可以在这里找到更多细节

---

根据网格dim

blockCount

和块dim

threadsPerBlock

设置，您只启动32x1024个线程，每个线程只更新一个实例。这就是为什么在向量的开头只有32768个非零结果

为了获得预期的结果，您可以通过增加网格dim

blockCount

来增加GPU线程的数量，使其足以覆盖所有

N

元素，或者

您可以在内核函数中使用for循环，让每个GPU线程更新几个元素，直到所有元素都更新为止

第二种方式是首选的，因为它具有更少的块启动开销。但您可能仍然需要大于32的网格dim来充分利用您的GPU。你可以在这里找到更多细节

---

以前从未见过cuda代码，请原谅我的无知。从0到363598的for循环应该做什么？但是它看起来像是正在执行

backtestStrategies

blockCount*

threadsPerBlock

次：32*1024，类似于您看到的32768行输出。从0到363598的for循环表示通过363598历史数据记录的循环。谢谢你的洞察力！以前从未见过cuda代码，请原谅我的无知。从0到363598的for循环应该做什么？但是它看起来像是正在执行

backtestStrategies

blockCount*

threadsPerBlock

次：32*1024，类似于您看到的32768行输出。从0到363598的for循环表示通过363598历史数据记录的循环。谢谢你的洞察力！

strategies[i] = Strategy();