Cuda 在主机上完美运行的代码，放在内核中，由于神秘的原因而失败
我必须将预先存在的“仅主机”反向传播实现移植到CUDA。我认为算法的性质在这里并不重要，所以我不会对它的工作方式做太多解释。但我认为重要的是，它使用三维数组，所有三维数组都是动态分配的。 我使用VS2010和CUDA 5.0。我的设备是2.1。原始的纯主机代码可以在这里下载 → 守则的要点：Cuda 在主机上完美运行的代码，放在内核中，由于神秘的原因而失败,cuda,neural-network,backpropagation,Cuda,Neural Network,Backpropagation,我必须将预先存在的“仅主机”反向传播实现移植到CUDA。我认为算法的性质在这里并不重要，所以我不会对它的工作方式做太多解释。但我认为重要的是，它使用三维数组，所有三维数组都是动态分配的。 我使用VS2010和CUDA 5.0。我的设备是2.1。原始的纯主机代码可以在这里下载 → 守则的要点： 使用“pattern.h”中的数据结构，将成人数据中的模式加载到内存中 分配了几个多维数组 该算法使用之前分配的数组在模式上运行 如果要尝试运行代码，请不要忘记修改kernel.cu开头的PATH常量。我
- 算法使用的f（）和fder（）将成为设备 功能
- 参数是硬编码的：2层，5个神经元，学习率为 0.00001
- “w”数组是使用固定值（0.5）而不是rand（）初始化的 再
- 在设备的内存中分配一个数据结构，并且数据 从成人数据加载后发送到设备内存中 在主人的记忆中
Data data;
Data* dev_data;
int* dev_t;
double* dev_x;
...
input_adult(PathFile, &data);
...
cudaMalloc((void**)&dev_data, sizeof(Data));
cudaMalloc((void**)&dev_t, data.N * sizeof(int));
cudaMalloc((void**)&dev_x, data.N * data.n * sizeof(double));
// Filling the device with t and x's data.
cudaMemcpy(dev_t, data.t, data.N * sizeof(int), cudaMemcpyHostToDevice);
cudaMemcpy(dev_x, data.x, data.N * data.n * sizeof(double), cudaMemcpyHostToDevice);
// Updating t and x pointers into devices Data structure.
cudaMemcpy(&dev_data->t, &dev_t, sizeof(int*), cudaMemcpyHostToDevice);
cudaMemcpy(&dev_data->x, &dev_x, sizeof(double*), cudaMemcpyHostToDevice);
// Copying N and n.
cudaMemcpy(&dev_data->N, &data.N, sizeof(int), cudaMemcpyHostToDevice);
cudaMemcpy(&dev_data->n, &data.n, sizeof(int), cudaMemcpyHostToDevice);
谢谢。这是您代码中的问题，以及为什么它在64位机器模式下工作，而不是在32位机器模式下工作 在反向传播内核中的正向路径中，有一系列代码如下：
/*
* for layer = 0
*/
for (i = 0; i < N[0]; i++) { // for all neurons i of layer 0
a[0][i] = x[ data->n * pat + i]; // a[0][i] = input i
}
a[layer] = (double *)malloc( N[layer] * sizeof(double) );
test\u bp.exea[0] = (double *)malloc( N[0] * sizeof(double *) );
^ oops!!
a[0][]doubledoubledoublea/*
* for layer = 0
*/
for (i = 0; i < N[0]; i++) { // for all neurons i of layer 0
a[0][i] = x[ data->n * pat + i]; // a[0][i] = input i
}
a[layer] = (double *)malloc( N[layer] * sizeof(double) );
如果要在windows wddm设备上运行，您仍然需要解决内核运行时间问题，以某种方式避免windows TDR事件。正如我已经指出的，这段代码没有试图使用机器的并行功能。这是代码中的问题，以及为什么它在64位机器模式下工作，而不是在32位机器模式下工作 在反向传播内核中的正向路径中，有一系列代码如下：
/*
* for layer = 0
*/
for (i = 0; i < N[0]; i++) { // for all neurons i of layer 0
a[0][i] = x[ data->n * pat + i]; // a[0][i] = input i
}
a[layer] = (double *)malloc( N[layer] * sizeof(double) );
test\u bp.exea[0] = (double *)malloc( N[0] * sizeof(double *) );
^ oops!!
a[0][]doubledoubledoublea/*
* for layer = 0
*/
for (i = 0; i < N[0]; i++) { // for all neurons i of layer 0
a[0][i] = x[ data->n * pat + i]; // a[0][i] = input i
}
a[layer] = (double *)malloc( N[layer] * sizeof(double) );