C++ 将所有CUDA功能更改为主机设备__

我想在CUDA中使用exist函数，但它包含许多类和其他函数。

---

在每个函数之前添加

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。那么，有没有一种自动的方法可以做到这一点？或者如何让nvcc将所有函数编译为
\uuuuu设备\uuuuuuu主机\uuuuuuu
？
基本上，GPU编程都是关于大规模并行性的。它与普通的单线程编程完全不同。
除非您只想将这些函数同时应用于大型阵列的各个元素，否则将其编码到GPU中没有任何好处。
事实上，GPU核心时钟比处理器慢得多。
如果您将以单线程风格将主要针对CPU编写的函数编译到GPU，您将得到潜在的性能损失。
你需要重新思考你的问题到GPU模式中。
基本上，GPU编程都是关于大规模并行的。它与普通的单线程编程完全不同。
除非您只想将这些函数同时应用于大型阵列的各个元素，否则将其编码到GPU中没有任何好处。
事实上，GPU核心时钟比处理器慢得多。
如果您将以单线程风格将主要针对CPU编写的函数编译到GPU，您将得到潜在的性能损失。
你需要重新思考你的问题到GPU模式中。
总之，没有一种自动的方法可以做到这一点。但是正如你自己指出的，用设备来装饰你所需要的功能是微不足道的，那么问题是什么呢？好的。。。我想我可以写一个来实现这一点……如果有许多现有的类和函数，那么最好修改它们并创建一个GPU特定的解决方案，而不是让所有的东西都
\uuu设备\uuuu
。我认为这是
nvcc
的一个愚蠢的限制。我知道编译成目标代码的函数需要知道它们的目标代码。但内联函数或按需编译（实例化时）的函数，如成员函数或模板函数，应自动
\uuuuu设备
和/或
\uuuuu主机，如果调用时也是这样，也可以（类似于SFINAE）编译。我认为目前的情况是疯狂的，我不能等待，直到一些nvcc包装或nvcc或叮当自动这样做。总之，没有一个自动的方式来做到这一点。但是正如你自己指出的，用设备来装饰你所需要的功能是微不足道的，那么问题是什么呢？好的。。。我想我可以写一个来实现这一点……如果有许多现有的类和函数，那么最好修改它们并创建一个GPU特定的解决方案，而不是让所有的东西都
\uuu设备\uuuu
。我认为这是
nvcc
的一个愚蠢的限制。我知道编译成目标代码的函数需要知道它们的目标代码。但内联函数或按需编译（实例化时）的函数，如成员函数或模板函数，应自动
\uuuuu设备
和/或
\uuuuu主机，如果调用时也是这样，也可以（类似于SFINAE）编译。我认为目前的情况是疯狂的，我不能等到某个nvcc包装器或nvcc或clang自动完成。你通常可能是对的。但事实上，这是关于meachine学习，我使用最小-最大模块来并行数据，这样它就可以在不改变算法的情况下并行训练，而且我有办法集成结果。它应该在多CPU而不是GPU中运行。但出于某种原因，我别无选择。你可能大体上是对的。但事实上，这是关于机器学习，我使用最小-最大模块来并行数据，这样它就可以在不改变算法的情况下并行训练，而且我有办法整合结果。它应该在多CPU而不是GPU中运行。但由于某种原因，我别无选择。。