Cuda 通用点积

我对C和CUDA都是新手，我在写点积函数，但是它没有给我正确的结果。有没有善良的灵魂能帮我看看

我还有两个问题,

为什么dot（）不能正常工作，以及

在第57行，为什么是product[threadIdx.x]而不是product[index]？我不能写吗

产品[指数]=a[指数]*b[指数]； ... 如果（索引==0）{…} 然后用第零个线程对每个元素求和

非常感谢

设备查询：

  Device 0: "GeForce GTX 570"
  CUDA Driver Version / Runtime Version          6.0 / 5.5
  CUDA Capability Major/Minor version number:    2.0

Makefile:nvcc-arch=sm_20 cuda_test.cu-o cuda_test

在cuda_test.cu中：

#include <stdio.h> // printf, scanf, NULL etc.
#include <stdlib.h> // malloc, free, rand etc.

#define N (3) //Number of threads we are using (also, length of array declared in main)

#define THREADS_PER_BLOCK (1) //Threads per block we are using

#define N_BLOCKS (N/THREADS_PER_BLOCK)

/* Function to generate a random integer between 1-10 */
void random_ints (int *a, int n)
{
    int i;
    srand(time(NULL)); //Seed rand() with current time
    for(i=0; i<n; i++)
    { 
        a[i] = rand()%10 + 1; 
    }
    return;
}

/* Kernel that adds two integers a & b, stores result in c */
__global__ void add(int *a, int *b, int *c) {
//global indicates function that runs on 
//device (GPU) and is called from host (CPU) code

    int index = threadIdx.x + blockIdx.x * blockDim.x;

    //threadIdx.x : thread index
    //blockIdx.x  : block index
    //blockDim.x  : threads per block
    //hence index is a thread counter across all blocks
    c[index] = a[index] + b[index];

//note that pointers are used for variables
//add() runs on device, so they must point to device memory
//need to allocate memory on GPU
}

/* Kernel for dot product */
__global__ void dot(int *a, int *b, int *c)
{
    __shared__ int product[THREADS_PER_BLOCK]; //All threads in a block must be able 
                                               //to access this array

    int index = threadIdx.x + blockIdx.x * blockDim.x; //index

    product[threadIdx.x] = a[index] * b[index]; //result of elementwise
                                                //multiplication goes into product

    //Make sure every thread has finished
    __syncthreads();

    //Sum the elements serially to obtain dot product
    if( 0 == threadIdx.x ) //Pick one thread to sum, otherwise all will execute
    {
        int sum = 0;
        for(int j=0; j < THREADS_PER_BLOCK; j++) sum += product[j];
        //Done!
        atomicAdd(c,sum);
    }
}

int main(void)
{

    int *a, *b, *c, *dotProduct; //host copies of a,b,c etc
    int *d_a, *d_b, *d_c, *d_dotProduct; //device copies of a,b,c etc

    int size = N * sizeof(int); //size of memory that needs to be allocated

    int i=0; //iterator

    //Allocate space for device copies of a,b,c
    cudaMalloc((void **)&d_a, size);
    cudaMalloc((void **)&d_b, size);
    cudaMalloc((void **)&d_c, size);

    //Setup input values
    a = (int *)malloc(size); random_ints(a,N);
    b = (int *)malloc(size); random_ints(b,N);
    c = (int *)malloc(size);

    //Copy inputs to device
    cudaMemcpy(d_a, a, size, cudaMemcpyHostToDevice);
    cudaMemcpy(d_b, b, size, cudaMemcpyHostToDevice);

    //Launch add() kernel on GPU
    add<<<N_BLOCKS,THREADS_PER_BLOCK>>>(d_a, d_b, d_c);
    // triple angle brackets mark call from host to device
    // this is also known as a kernel launch
    // N/THREADS_PER_BLOCK = NO. OF BLOCKS

    //Copy result back to host
    cudaMemcpy(c, d_c, size, cudaMemcpyDeviceToHost);

    //Output results
    printf("a = {");
    for (i=0; i<N; i++) printf(" %d",a[i]);
    printf(" }\n");

    printf("b = {");
    for (i=0; i<N; i++) printf(" %d",b[i]);
    printf(" }\n");

    printf("c = {");
    for (i=0; i<N; i++) printf(" %d",c[i]);
    printf(" }\n");

    //Calculate dot product of a & b
    dotProduct = (int *)malloc(sizeof(int)); //Allocate host memory to dotProduct
    *dotProduct = 0; //initialise to zero
    cudaMalloc((void **)&d_dotProduct, sizeof(int)); //Allocate device memory to d_dotProduct
    dot<<<N_BLOCKS,THREADS_PER_BLOCK>>>(d_a, d_b, d_dotProduct); //Perform calculation
    cudaMemcpy(dotProduct, d_dotProduct, sizeof(int), cudaMemcpyDeviceToHost); //Copy result into dotProduct
    printf("\ndot(a,b) = %d\n", *dotProduct); //Output result

    //Cleanup
    free(a); free(b); free(c); free(dotProduct);
    cudaFree(d_a); cudaFree(d_b); cudaFree(d_c); cudaFree(d_dotProduct);

    return 0;
} //End of main

#包括//printf、scanf、NULL等。
#包括//malloc、free、rand等。
#define N（3）//我们正在使用的线程数（还有main中声明的数组长度）
#定义每个块的线程数（1）//我们正在使用的每个块的线程数
#定义N个块（每个块有N个线程）
/*函数生成1-10之间的随机整数*/
无效随机整数（整数*a，整数n）
{
int i；
srand（time（NULL））；//使用当前时间设置rand（）
对于（i=0；i，正如Talonmes所说，请将其设置为其他人可以运行您的代码。嵌入行号是没有帮助的

在没有其他信息的情况下，最好的猜测是您没有将
d_dotProduct
初始化为零。您可以使用
cudaMemset（）
-如果您需要不同的初始值，那么您可以
cudaMemcpy（）
从主机获取初始值或启动单独的内核进行初始化，但在这种情况下，
cudaMemset（）
（相当于主机上的
memset（）
）就足够了

也可能是
N个块*每个块的线程数
不等于
size

至于你的第二个问题，
product
是一个大小为
THREADS\u per\u block
的每块数组，如果你使用
product[index]
访问它，你将无法访问它。
问题已解决！需要在对“product”数组的各个元素求和之前设置“*c=0”

/* Kernel for dot product */
__global__ void dot(int *a, int *b, int *c)
{
    __shared__ int product[THREADS_PER_BLOCK]; //All threads in a block must be able 
                                               //to access this array

    int index = threadIdx.x + blockIdx.x * blockDim.x; //index

    product[threadIdx.x] = a[index] * b[index]; //result of elementwise
                                                //multiplication goes into product

    if(index==0) *c = 0; //Ask one thread to set c to zero.

    //Make sure every thread has finished
    __syncthreads();    

    //Sum the elements serially to obtain dot product
    if( 0 == threadIdx.x ) //Every block to do c += sum
    {
        int sum = 0;
        for(int j=0; j < THREADS_PER_BLOCK; j++) sum += product[j];
        //Done!
        atomicAdd(c,sum);
    }
}

/*用于dot产品的内核*/
__全局无效点（int*a，int*b，int*c）
{
__shared_uuuint product[THREADS_PER_BLOCK]；//块中的所有线程都必须能够
//要访问此阵列
int index=threadIdx.x+blockIdx.x*blockDim.x；//索引
product[threadIdx.x]=a[index]*b[index]；//elementwise的结果
//乘法变成乘积
if（index==0）*c=0；//要求一个线程将c设置为零。
//确保每根线都已完成
__同步线程（）；
//将元素按顺序求和以获得点积
if（0==threadIdx.x）//要执行的每个块c+=sum
{
整数和=0；
对于（int j=0；j
请发布没有嵌入行号的代码，其他人可以根据自己的意愿编译和运行这些代码。此外，请解释什么“工作不正常”意思正是。嗨，Talonmes，对不起！我已经清理了它，现在应该可以编译了。很抱歉早些时候浪费了你的时间！嗨，tom，谢谢你回答问题2！我已经清理了代码并完整地包含了它。很抱歉早些时候浪费了你的时间！这是错误的，只有当你启动一个threadblock时它才会工作。如果你启动多个threadblock，那么每个块的线程0会将最终结果重置为零。仅在块0中执行此操作也是不正确的，因为编程模型允许块以任何顺序执行。正确的解决方案是在启动内核之前将d_dotProduct设置为零。现在呢？我添加了if（index==0）*c=0行。当d_dotProduct仅存在于GPU内存中时，如何从主机代码将其设置为零？您肯定必须从内核中进行设置？另一方面，非常感谢您的帮助，tom。正如我上面所说，您不能只在块零中进行设置，因为块可以以任何顺序执行，例如块1可以在块之前写入其结果0将结果（覆盖块1的结果）重置为零。正确的方法是在启动内核之前将初始值设置为零-最明显的方法是使用
cudaMemset（）
，但也可以使用
cudaMemcpy（）
复制初始值（在本例中为零）来自主持人。我将在我的答案中添加how部分。