使用cudaMalloc分配矩阵

我使用cudaMalloc和cudaMemcpy分配矩阵，并将向量数组复制到矩阵中，如下所示：

float **pa;    
cudaMalloc((void***)&pa,  N*sizeof(float*)); //this seems to be ok
for(i=0; i<N; i++) {
    cudaMalloc((void**) &(pa[i]), N*sizeof(float)); //this gives seg fault
    cudaMemcpy (pa[i], A[i], N*sizeof(float), cudaMemcpyHostToDevice); // also i am not sure about this
}

float**pa；
Cudamaloc（（无效***）和pa，N*sizeof（浮动*）//这似乎没问题
因为（i=0；i
pa
在设备内存中，所以
和（pa[i]）
不能达到您期望的效果。这将起作用

float **pa;
float **pah = (float **)malloc(pah, N * sizeof(float *));    
cudaMalloc((void***)&pa,  N*sizeof(float*));
for(i=0; i<N; i++) {
    cudaMalloc((void**) &(pah[i]), N*sizeof(float));
    cudaMemcpy (pah[i], A[i], N*sizeof(float), cudaMemcpyHostToDevice);
}
cudaMemcpy (pa, pah, N*sizeof(float *), cudaMemcpyHostToDevice);

float**pa；
浮点数**pah=（浮点数**）malloc（pah，N*浮点数*）；
Cudamaloc（（无效***）和pa，N*sizeof（浮动*）；
对于（i=0；i这段代码的最终目标是什么？正如上面所暗示的，将pa展平为一维阵列以便在GPU上使用可能会符合您的最佳利益。类似于：

float *pa;
cudaMalloc((void**)&pa, N*N*sizeof(float));

不幸的是，您必须调整A[i]以这种方式进行内存复制。
谢谢您的回答。为什么指针数组不适合GPU？因为指针数组需要两个内存事务才能从全局内存中检索值。全局内存访问在GPU上有很高的延迟，所以两次访问全局内存以获取值远不如一次访问全局内存lus几个IOPs，这就是索引到线性1D内存分配所需的成本。你的意思是：cudaMemcpy（pah[i]，a[i]，N*sizeof（float），cudamemcpyhostodevice）；在for之后的第一行？（a应该是我程序中的矩阵，因此a[i]a向量）抱歉，这是一个输入错误，在cudaMemcpy中应该是pah。我如何才能将矩阵从设备复制到主机的矩阵？我已经完成了（pgpu在主机中，pc在设备中）：cudaMemcpy（pgpu，pc，Nsizeof（float），cudaMemcpyDeviceToHost）；然而，当我尝试访问pgpu时，它给出了seg FAULT感谢您的回答。talonmies所说的完全符合我的要求
float *pa;
cudaMalloc((void**)&pa, N*N*sizeof(float));