Cuda 如何更改推力：：设备\向量的设备id

是否可以更改推力：：设备向量的设备id？ 我正在考虑这样编写代码

cudaSetDevice(0);                                //set to device:0
thrust::device_vector<int> a(10);                //define the device vector
a.clear(); thrust::device_vector<int>().swap(a); //deallocate the vector

cudaSetDevice(1);                                //set to device:1
a.resize(10);

cudaSetDevice（0）//设置为设备：0
推力：装置_矢量a（10）//定义设备向量
a、 清除（）；推力：：设备_向量（）.交换（a）//取消分配向量
cudaSetDevice（1）//设置为设备：1
a、 调整大小（10）；

可能吗？

---

谢谢

我不知道它是否以及如何与推力一起工作，以及您是否试图更改不使用推力的设备阵列的设备id，以及您是否知道对等内存访问

这是一个有趣的问题，但我可以自己做实验。 但是，根据CUDA编程指南（第3.2.6.4节），如果您使用计算能力2.x和更高版本的特斯拉卡，则可以进行点对点内存访问（即两个设备可以相互寻址）

这是《编程指南》中的一个示例：

cudaSetDevice(0);
float* p0;
size_t size = 1024 * sizeof(float);
cudaMalloc(&p0, size);
MyKernel<<<1000, 128>>>(p0);
cudaSetDevice(1);
cudaDeviceEnablePeerAccess(0, 0);  // <- this enables peer to peer access
MyKernel<<<1000,128>>>(p0);

cudaSetDevice（0）；
浮点*p0；
大小\u t size=1024*sizeof（浮动）；
Cudamaloc（&p0，大小）；
MyKernel（p0）；
cudaSetDevice（1）；
cudaDeviceEnablePeerAccess（0，0）；// 我不知道它是否和如何准确地与推力一起工作，以及您是否试图更改不使用推力的设备阵列的设备id，以及您是否知道对等内存访问

这是一个有趣的问题，但我可以自己做实验。
但是，根据CUDA编程指南（第3.2.6.4节），如果您使用计算能力2.x和更高版本的特斯拉卡，则可以进行点对点内存访问（即两个设备可以相互寻址）

这是《编程指南》中的一个示例：

cudaSetDevice(0);
float* p0;
size_t size = 1024 * sizeof(float);
cudaMalloc(&p0, size);
MyKernel<<<1000, 128>>>(p0);
cudaSetDevice(1);
cudaDeviceEnablePeerAccess(0, 0);  // <- this enables peer to peer access
MyKernel<<<1000,128>>>(p0);

cudaSetDevice（0）；
浮点*p0；
大小\u t size=1024*sizeof（浮动）；
Cudamaloc（&p0，大小）；
MyKernel（p0）；
cudaSetDevice（1）；
cudaDeviceEnablePeerAccess（0，0）；// 我不知道这是否是一个正确的答案。如果我错了，请纠正我，因为我不知道测试是否足够正确。所以我决定对向量加法做如下测试

#include <thrust/device_vector.h>
#include <iostream>

__global__ void
vectorAdd(const int *A, const int *B, int *C, int numElements) {
    int i = blockDim.x * blockIdx.x + threadIdx.x;
    if (i < numElements) C[i] = A[i] + B[i];
};

int main(void)
{
    int numElements = 1024;
    int randacc = 30;

    cudaSetDevice(0);
    thrust::device_vector<int> a(numElements, 1);
    thrust::device_vector<int> b(numElements, 2);
    thrust::device_vector<int> c(numElements);

    int* a_d = thrust::raw_pointer_cast(&a[0]);
    int* b_d = thrust::raw_pointer_cast(&b[0]);
    int* c_d = thrust::raw_pointer_cast(&c[0]);

    int threadsPerBlock = 64;
    int blocksPerGrid =(numElements + threadsPerBlock - 1) / threadsPerBlock;

    vectorAdd<<<blocksPerGrid, threadsPerBlock>>>(a_d, b_d, c_d, numElements);
    cudaError_t err = cudaGetLastError();

    if (err != cudaSuccess) std::cerr << cudaGetErrorString(err) << std::endl;
    std::cout << "random access on dev 0, c = " << c[randacc] << std::endl;

    a.clear(); thrust::device_vector<int>().swap(a); //deallocate the vector
    b.clear(); thrust::device_vector<int>().swap(b); //deallocate the vector
    c.clear(); thrust::device_vector<int>().swap(c); //deallocate the vector

    cudaSetDevice(1);                                //set to device:1
    a.resize(numElements, 1);
    b.resize(numElements, 2);
    c.resize(numElements);

    a_d = thrust::raw_pointer_cast(&a[0]);
    b_d = thrust::raw_pointer_cast(&b[0]);
    c_d = thrust::raw_pointer_cast(&c[0]);

    threadsPerBlock = 64;
    blocksPerGrid =(numElements + threadsPerBlock - 1) / threadsPerBlock;

    vectorAdd<<<blocksPerGrid, threadsPerBlock>>>(a_d, b_d, c_d, numElements);
    err = cudaGetLastError();

    if (err != cudaSuccess) std::cerr << cudaGetErrorString(err) << std::endl;
    std::cout << "random access on dev 1, c = " << c[randacc] << std::endl;

    return 0;
}

#包括
#包括
__全局无效
矢量添加（常量int*A、常量int*B、int*C、整数）{
int i=blockDim.x*blockIdx.x+threadIdx.x；
如果（i如果（err！=cudaSuccess）std:：cerr我不知道这是否是一个正确的答案。因此，如果我错了，请纠正我，因为我不知道测试是否足够正确。因此，我决定对向量加法进行测试，如下所示

#include <thrust/device_vector.h>
#include <iostream>

__global__ void
vectorAdd(const int *A, const int *B, int *C, int numElements) {
    int i = blockDim.x * blockIdx.x + threadIdx.x;
    if (i < numElements) C[i] = A[i] + B[i];
};

int main(void)
{
    int numElements = 1024;
    int randacc = 30;

    cudaSetDevice(0);
    thrust::device_vector<int> a(numElements, 1);
    thrust::device_vector<int> b(numElements, 2);
    thrust::device_vector<int> c(numElements);

    int* a_d = thrust::raw_pointer_cast(&a[0]);
    int* b_d = thrust::raw_pointer_cast(&b[0]);
    int* c_d = thrust::raw_pointer_cast(&c[0]);

    int threadsPerBlock = 64;
    int blocksPerGrid =(numElements + threadsPerBlock - 1) / threadsPerBlock;

    vectorAdd<<<blocksPerGrid, threadsPerBlock>>>(a_d, b_d, c_d, numElements);
    cudaError_t err = cudaGetLastError();

    if (err != cudaSuccess) std::cerr << cudaGetErrorString(err) << std::endl;
    std::cout << "random access on dev 0, c = " << c[randacc] << std::endl;

    a.clear(); thrust::device_vector<int>().swap(a); //deallocate the vector
    b.clear(); thrust::device_vector<int>().swap(b); //deallocate the vector
    c.clear(); thrust::device_vector<int>().swap(c); //deallocate the vector

    cudaSetDevice(1);                                //set to device:1
    a.resize(numElements, 1);
    b.resize(numElements, 2);
    c.resize(numElements);

    a_d = thrust::raw_pointer_cast(&a[0]);
    b_d = thrust::raw_pointer_cast(&b[0]);
    c_d = thrust::raw_pointer_cast(&c[0]);

    threadsPerBlock = 64;
    blocksPerGrid =(numElements + threadsPerBlock - 1) / threadsPerBlock;

    vectorAdd<<<blocksPerGrid, threadsPerBlock>>>(a_d, b_d, c_d, numElements);
    err = cudaGetLastError();

    if (err != cudaSuccess) std::cerr << cudaGetErrorString(err) << std::endl;
    std::cout << "random access on dev 1, c = " << c[randacc] << std::endl;

    return 0;
}

#包括
#包括
__全局无效
矢量添加（常量int*A、常量int*B、int*C、整数）{
int i=blockDim.x*blockIdx.x+threadIdx.x；
如果（i如果代码段中有（err！=cudaSuccess）std:：cerr，则释放
a
（请参阅），然后在设备
1
？@PhillipD上调整其大小，但它没有说明如何更改向量的设备container@JackOLantern是的，我通过执行推力：：设备_向量（）来释放内存。交换（a）；在您的代码片段中，您正在释放
a
（请参阅），然后在设备
1
？上调整它的大小@PhillipD它没有告诉您如何更改向量的设备container@JackOLantern是的，我通过执行推力：：设备_向量（）来释放内存。交换（a）；最后一句话足够回答这个问题。@PhillipD，尽管它与点对点相关，但我的问题不是关于点对点的，因为我想做的是模仿这个过程：在设备0上设置内存，释放内存，使用相同的指针在设备1上设置内存。但是，我想使用普通的Cudamaloc，而不是使用普通的Cudamaloc推力：：设备\向量最后一句话就足以回答这个问题。@PhillipD，尽管它与点对点相关，但我的问题不是关于点对点，因为我想做的是模仿这个过程：在设备0上设置内存，释放内存，用同一个指针在设备1上设置内存。但是，使用普通的Cudamaloc，我想要使用推力：：设备\向量来实现吗