从CUDA中的线程ID获取int

我是CUDA的新手。我需要在计算中使用线程id，但它不起作用。rem始终为0。我需要线程的索引来计算数组中的索引，所以我不能将它们转换为浮点来进行计算

内核如下所示：

_global__ void initializationCubes(float* dVer, float* dCub, int gridSize, float* test)
{   
    int index=blockIdx.x*blockDim.x+threadIdx.x;

    if(index<(gridSize*gridSize*gridSize))
    {

        // conversion index -> i,j,k

        int rem=index;
        int qot=(rem/gridSize);

        int i=rem-(qot*gridSize);

        rem=(rem)/(gridSize);
        qot=(rem/gridSize);

        int j=rem-(qot*gridSize);

        rem=(rem)/(gridSize);
        qot=(rem/gridSize);

        int k=rem-(qot*gridSize);

            for(int x=0;x<7;x++){

             // these first three are used to test
              dCub[index*56+0+x] =index;
              dCub[index*56+7+x] =rem;
              dCub[index*56+14+x]=k;
              dCub[index*56+21+x]=dVer[((i*(gridSize+1)+(j+1))*(gridSize+1)+k)*7+x];
              dCub[index*56+28+x]=dVer[(((i+1)*(gridSize+1)+(j))*(gridSize+1)+k)*7+x];
              dCub[index*56+35+x]=dVer[(((i+1)*(gridSize+1)+(j))*(gridSize+1)+k+1)*7+x];
              dCub[index*56+42+x]=dVer[(((i+1)*(gridSize+1)+(j+1))*(gridSize+1)+k+1)*7+x];
              dCub[index*56+49+x]=dVer[(((i+1)*(gridSize+1)+(j+1))*(gridSize+1)+k)*7+x];

             }

    }   

}


__global__ void initializationVertices(float* dVer, int gridSize){


   int currentVertex=0;

   for(int i=0; i<gridSize+1; i++)
   {
       for(int j=0; j<gridSize+1; j++)
       {
          for(int k=0; k<gridSize+1; k++)
          {

               dVer[currentVertex+0]=((i*2.0f)/(gridSize)-1.0f)*2.0f;
               dVer[currentVertex+1]=((j*2.0f)/(gridSize)-1.0f)*2.0f;
               dVer[currentVertex+2]=((k*2.0f)/(gridSize)-1.0f)*2.0f;

               currentVertex+=7;
          }
       }
 }



extern "C"
void initializationCUDA1( const int verticesAtEndsOfEdges[24], const int eTable[256], int gSize, int numberParticles ) {

 numParticles=numberParticles;

 gridSize=gSize;

 numVertices=(gridSize+1)*(gridSize+1)*(gridSize+1);
 numCubes=(gridSize)*(gridSize)*(gridSize);

 size_t pitchv=7;
 cudaMallocPitch((void**)&dVer, &pitchv, 7 * sizeof(float), (gridSize+1)*(gridSize+1)*(gridSize+1));

 size_t pitchc=7;
 cudaMallocPitch((void**)&dCub, &pitchc, 7 * sizeof(float), (gridSize)*(gridSize)*(gridSize)*8);

 cudaMalloc((void **)&verticesAtEnds, 24*sizeof(int));

 cudaMalloc((void **)&dedgeTable, 256*sizeof(int));

 cudaMalloc((void **)&dtriTable, 256*16*sizeof(int));

 cudaMalloc((void **)&ballPoint, 3*sizeof(float));

 cudaMalloc((void **)&dpositions, 3*numberParticles*sizeof(float));

 cudaMalloc((void **)&dedgeVertices, numCubes*6*12*sizeof(float));

 cudaMalloc((void **)&result, numCubes*18*sizeof(float));

 output=(float*)malloc(numCubes*18*sizeof(float));

 cudaMalloc((void **)&numFaces, 10*sizeof(int));

 cudaMalloc((void **)&test, sizeof(float));




 initializationVertices<<<1,1>>>(dVer, gridSize);

 initializationCubes<<<128,256>>>( dVer, dCub, gridSize, test);

 float* tmp =(float*)malloc(numCubes*56*(sizeof(float)));

 cudaMemcpy(tmp, dCub, numCubes*56*sizeof(float), cudaMemcpyDeviceToHost);
 for(int a=0;a<100;a++){
   printf("%f\n",tmp[a]);
 }
}

\u全局\u\u无效初始化多维数据集（float*dVer、float*dCub、int-gridSize、float*test）
{   
int index=blockIdx.x*blockDim.x+threadIdx.x；
if（指数i，j，k）
int-rem=指数；
int qot=（rem/gridSize）；
int i=rem-（qot*网格大小）；
rem=（rem）/（网格大小）；
qot=（雷姆/网格大小）；
int j=rem-（qot*网格大小）；
rem=（rem）/（网格大小）；
qot=（雷姆/网格大小）；
int k=rem-（qot*网格大小）；
对于（int x=0；x如果
gridSize
是网格的大小，顾名思义，
rem
和
qot
在执行代码后将始终为零，因为它们被大于自身的值除以

如果要在三维网格中查找索引，这正是
threadIdx
和
blockIdx
有三个组件的原因。根本不需要昂贵的划分，只需使用以下标准代码段：

int i = blockIdx.x * blockDim.x + threadIdx.x;
int j = blockIdx.y * blockDim.y + threadIdx.y;
int k = blockIdx.z * blockDim.z + threadIdx.z;

if (i < myBlockSize.x && j < myBlockSize.y && k<myBlockSize.z) {
    // your kernel code...
}

inti=blockIdx.x*blockDim.x+threadIdx.x；
int j=blockIdx.y*blockDim.y+threadIdx.y；
int k=blockIdx.z*blockDim.z+threadIdx.z；
如果（我）MyBaskSig.x＆＆MyBuffigy.y& & Ky，但是这不是我需要的。我用线性的方式来排列数组，我需要用这个数组来计算另一个数组中的索引。我在C++中测试了索引计算，它工作得很好。它只需要一个有效的int来开始抱歉，但是我不理解你的问题。x
你已经有了？请展示完整的代码。顺便说一句，你仍然可以不用昂贵的除法——只需从三个分量中计算线性索引，而不是反过来计算。这就是我正在做的，但它不起作用。这是我试图将我的大数组的初始化展平以简化它。如果gridSize是内核网格的大小您可以尝试使用预定义的常量gridDim.{x，y，z}。这对解决问题没有帮助，但可能会提高性能。gridSize与cuda部分无关。这是我算法的一个参数。您如何知道
rem
始终为0？当您看到问题时，
gridSize
的内核启动参数和值是什么？您只使用单个线程运行内核！Thus index永远只为0，您只需从该1个线程中写出索引设置为0时计算的结果……也可以在所有cuda调用（cudaMalloc、cudaMemcpy、内核调用等）上执行此操作