我的pyCuda索引工作如何？

我正在尝试将3d阵列加载到pycuda中（我将加载图像）。我希望每个线程使用for循环处理单个像素的所有通道（这是算法要求）

到目前为止，我的工作如下：

from pycuda.compiler import SourceModule
mod = SourceModule(open("./cudacode.cu").read())  

multiply_them = mod.get_function("multiply_them")

rows,cols = 800,400
a = numpy.random.randn(rows,cols,3).astype(numpy.float32)
b = numpy.random.randn(rows,cols,3).astype(numpy.float32)



threads = 20
blocks = 16

dest = numpy.zeros_like(a)
multiply_them(
        drv.Out(dest), drv.In(a), drv.In(b),np.int32(rows), np.int32(cols),  # notice it is rows, cols
        block=(blocks,blocks,1), grid=(rows//blocks,cols//blocks))

print( dest- 2*a*b)
print(np.unique( dest- 2*a*b))

我的cuda代码是：

__global__ void multiply_them(float *dest, float *a, float *b,int cols,int rows) # notice it is cols , rows  and not rows, cols 
{
    int row = blockIdx.y * blockDim.y + threadIdx.y;
    int col = blockIdx.x * blockDim.x + threadIdx.x;

    if(row<rows && col <cols){

    dest[3* (row*cols + col)] =   2.0* a[3* (row*cols + col)  ]* b[3* (row*cols + col)  ] ; ## first channel of some pixel
    dest[3* (row*cols + col)+1] = 2.0* a[3* (row*cols + col)+1]* b[3* (row*cols + col)+1] ; ## second channel of that pixel
    dest[3* (row*cols + col)+2] = 2.0* a[3* (row*cols + col)+2]* b[3* (row*cols + col)+2] ; ## 3rd channel of that pixel 


    }
}

\uuuuu global\uuuu无效乘法（float*dest，float*a，float*b，int cols，int rows）#注意是cols，rows，而不是rows，cols
{
int row=blockIdx.y*blockDim.y+threadIdx.y；
int col=blockIdx.x*blockDim.x+threadIdx.x；
if（rowNumpy数组默认使用。CUDA块中的线程是变化最快的维度，
threadIdx.x
是变化最快的维度，
threadIdx.z
是变化最慢的维度（功能相当于列主顺序）。因此，如果您希望访问行主有序数据，就像在默认有序numpy数组中一样，并保持允许的访问顺序，那么您应该“反向”使用块中的x和y维度。如果您的numpy数组是列主有序的（
order='F'
），那么您不会这样做

这就是为什么你的代码可以正确工作，而你的直觉是不应该的。
只需交换列变量名和行变量名就可以了。你能告诉我这个问题的一般公式：dest[3*（row*cols+col）+1]并且为什么要使用我的索引方法？（在交换了你提到的x和y之后）