CUDA：指向指针内存访问的指针

我想不出是什么导致了这个问题。最后一行出现“访问冲突写入位置”错误。我没有正确分配内存吗

    typedef struct {
    doubleXYZW cen_sum; //struct with 4 doubles
    double STS[6];
    XYZW *Points;// //struct with 4 floats
}BUNDLE;

BUNDLE *cpu_data = NULL;
size_t bundle_size = NUM_POINTS * sizeof(XYZW) + sizeof(doubleXYZW) + 6*sizeof(double);
HANDLE_ERROR(cudaMallocHost((BUNDLE**)&cpu_data, bundle_size));
//error in the next line
cpu_data->Points[0].x = 0; //x is the first element in the XYZW struct

---

您有两个必须完成的分配，并且您只执行其中一个

您正在为

cpu\u数据

指针分配一些存储空间，但尚未为

点

指针分配任何存储空间。因此，在取消参照点时：

cpu_data->Points[0].x = 0;
         ^      ^
         |      this dereferences the Points pointer (NOT allocated!)
         |
        this dereferences the cpu_data pointer (allocated)

您正在取消引用尚未分配的指针，因此该指针无效。试图以这种方式访问某些内容将生成无效访问

您（至少）有两个选项可以修复它：

为

cpu\u点

分配空间后，您可以对

cpu\u点->点

如果您知道

点

数组的大小（看起来您知道-

NUM_Points

），那么您可以静态地为其分配：

typedef struct {
doubleXYZW cen_sum; //struct with 4 doubles
double STS[6];
XYZW Points[NUM_POINTS];// //struct with 4 floats
}BUNDLE;

请注意，您的

bundle\u size

计算是以建议使用第二种方法的方式编制的。如果使用第一种方法，则您的

束大小计算不正确。在任何情况下，无论使用哪种方法，只需将
bundle\u size
计算为
sizeof（bundle）

要明确的是，这里没有CUDA特定的内容（例如，如果您使用
malloc
而不是
cudamallocost
，则会出现错误）。问题的根源在于对C语言的基本理解，而不是CUDA。
您必须完成两个分配，并且您只执行其中一个

您正在为
cpu\u数据
指针分配一些存储空间，但尚未为
点
指针分配任何存储空间。因此，在取消参照点时：

cpu_data->Points[0].x = 0;
         ^      ^
         |      this dereferences the Points pointer (NOT allocated!)
         |
        this dereferences the cpu_data pointer (allocated)

您正在取消引用尚未分配的指针，因此该指针无效。试图以这种方式访问某些内容将生成无效访问

您（至少）有两个选项可以修复它：

为
cpu\u点
分配空间后，您可以对
cpu\u点->点
如果您知道
点
数组的大小（看起来您知道-
NUM_Points
），那么您可以静态地为其分配：

typedef struct {
doubleXYZW cen_sum; //struct with 4 doubles
double STS[6];
XYZW Points[NUM_POINTS];// //struct with 4 floats
}BUNDLE;


请注意，您的
bundle\u size
计算是以建议使用第二种方法的方式编制的。如果使用第一种方法，则您的
束大小计算不正确。在任何情况下，无论使用哪种方法，只需将
bundle\u size
计算为
sizeof（bundle）

要明确的是，这里没有CUDA特定的内容（例如，如果您使用
malloc
而不是
cudamallocost
，则会出现错误）。问题的根源在于对C语言的基本理解，而不是CUDA。
感谢您提供的详细课程。这是有道理的。一、 显然，我们还没有在C中实现这种复杂程度，所以在CUDA中遇到了它。正如您所建议的，第二个选项很适合，可能也节省了一些分配时间。感谢您提供详细的课程。这是有道理的。一、 显然，我们还没有在C中实现这种复杂程度，所以在CUDA中遇到了它。正如您所建议的，第二个选项非常适合，可能也会节省一些分配时间。