这是CUDA线程同步问题还是其他问题？

我对并行编程和堆栈溢出非常陌生。我正在使用CUDA实现矩阵乘法。我使用列顺序浮点数组作为矩阵表示

我开发的算法有点独特，如下所示。给定一个矩阵nxm矩阵a和mxk矩阵B，我启动一个nxk块，每个块中有m个线程。本质上，我为结果矩阵中的每个条目启动一个块，每个线程为该条目计算一次乘法。比如说,

1 0 0     0 1 2  
0 1 0  *  3 4 5  
0 0 1     6 7 8

对于结果矩阵中的第一个条目，我将使用

线程0计算1*3 线程1计算0*0 线程2计算0*1

每个线程添加到一个0初始化的矩阵。 现在，我没有得到正确的答案。我一遍又一遍地听到这个

0 0 2
0 0 5
0 0 8

我的内核函数如下。这可能是线程同步问题，还是我搞砸了数组索引之类的

    /*@param d_A: Column order matrix 
     *@param d_B: Column order matrix
     *@param d_result: 0-initialized matrix that kernels write to
     *@param dim_A: dimensionality of A (number of rows)
     *@param dim_B: dimensionality of B (number of rows)
     */
    __global__ void dot(float *d_A, float *d_B, float *d_result, int dim_A, int dim_B) {
        int n = blockIdx.x;
        int k = blockIdx.y;
        int m = threadIdx.x;

       float a = d_A[(m * dim_A) + n];
       float b = d_B[(k * dim_B) + m];
       //d_result[(k * dim_A) + n] += (a * b);

       syncthreads();
       float temp = d_result[(k*dim_A) + n];
       syncthreads();
       temp = temp + (a * b);
       syncthreads();
       d_result[(k*dim_A) + n] = temp;
       syncthreads();
    }

---

在这种情况下，使用

syncthreads（）

的整个想法是错误的。此API调用具有块作用域

   1. syncthreads();
   2. float temp = d_result[(k*dim_A) + n];
   3. syncthreads();
   4. temp = temp + (a * b);
   5. syncthreads();
   6. d_result[(k*dim_A) + n] = temp;
   7. syncthreads();

局部变量<代码>浮动温度具有线程作用域，使用此同步屏障毫无意义。 指针

d_结果

是全局内存指针，使用此同步屏障也是毫无意义的。请注意，目前还没有一个全局同步线程的屏障（可能永远不会有）

当共享内存用于计算时，通常需要使用

syncthreads（）

。在这种情况下，您可能需要使用共享内存。您可以看到一个如何正确使用共享内存和

syncthreads（）

的示例。您有一个共享内存的矩阵乘法示例。

在

d_result[（k*dim_A）+n]=temp块中的每个线程都在写入相同的位置，从而覆盖彼此的结果。