Cuda driver.Context.synchronize（）-还要考虑什么---清理操作失败
我这里有代码（由于答案而修改） 信息 32字节堆栈帧，0字节溢出存储，0字节溢出加载Cuda driver.Context.synchronize（）-还要考虑什么---清理操作失败,cuda,pycuda,Cuda,Pycuda,我这里有代码（由于答案而修改） 信息 32字节堆栈帧，0字节溢出存储，0字节溢出加载 ptxas信息：使用46个寄存器，120字节cmem[0]，176字节 cmem[2]，76字节cmem[16] 我不知道还需要考虑什么才能使它适用于“numPointsRs”和“numPointsRp”点的不同组合 例如，当我用Rs=10000和Rp=100000运行代码时，block=（128,1,1），grid=（200,1）很好 我的计算： 46个寄存器*128个线程=5888个寄存器 我的卡有限制32
ptxas信息：使用46个寄存器，120字节cmem[0]，176字节 cmem[2]，76字节cmem[16] 我不知道还需要考虑什么才能使它适用于“numPointsRs”和“numPointsRp”点的不同组合 例如，当我用Rs=10000和Rp=100000运行代码时，block=（128,1,1），grid=（200,1）很好 我的计算： 46个寄存器*128个线程=5888个寄存器 我的卡有限制32768寄存器，因此32768/5888=5+some=>5块/SM
（我的卡有6个限制） 使用占用率计算器，我发现使用128个线程/块 给我42%，我在我的信用卡限额内 此外，每个MP的线程数为640（限制为1536） 现在，如果我尝试使用Rs=100000和Rp=100000（对于相同的线程和块），它会在标题中给出消息，其中包含： cuEventDestroy失败：启动超时 cuModuleUnload失败：启动超时 1） 我不知道/不明白还需要计算什么 2） 我不明白我们是如何使用/找到街区的数量的。我看得出来 大多数情况下，有人会放（线程-1+点）/线程，但仍然是这样 不起作用 ------更新------------------------------------- 在使用driver.Context.synchronize（）之后，代码可以工作很多点（1000000） 但是，这个添加对代码有什么影响？（对于许多点来说，屏幕会冻结1分钟或更长时间）。我应该使用它吗 --------------更新的2------------------------------------- 现在，如果不做任何事情，代码将无法再次工作 代码快照：
import pycuda.gpuarray as gpuarray
import pycuda.autoinit
from pycuda.compiler import SourceModule
import numpy as np
import cmath
import pycuda.driver as drv
import pycuda.tools as t
#---- Initialization and passing(allocate memory and transfer data) to GPU -------------------------
Rs_gpu=gpuarray.to_gpu(Rs)
Rp_gpu=gpuarray.to_gpu(Rp)
J_gpu=gpuarray.to_gpu(np.ones((numPointsRs,3)).astype(np.complex64))
M_gpu=gpuarray.to_gpu(np.ones((numPointsRs,3)).astype(np.complex64))
Evec_gpu=gpuarray.to_gpu(np.zeros((numPointsRp,3)).astype(np.complex64))
Hvec_gpu=gpuarray.to_gpu(np.zeros((numPointsRp,3)).astype(np.complex64))
All_gpu=gpuarray.to_gpu(np.ones(numPointsRp).astype(np.complex64))
#-----------------------------------------------------------------------------------
mod =SourceModule("""
#include <pycuda-complex.hpp>
#include <cmath>
#include <vector>
typedef pycuda::complex<float> cmplx;
typedef float fp3[3];
typedef cmplx cp3[3];
__device__ __constant__ float Pi;
extern "C"{
__device__ void computeEvec(fp3 Rs_mat[], int numPointsRs,
cp3 J[],
cp3 M[],
fp3 Rp,
cmplx kp,
cmplx eta,
cmplx *Evec,
cmplx *Hvec, cmplx *All)
{
while (c<numPointsRs){
...
c++;
}
}
__global__ void computeEHfields(float *Rs_mat_, int numPointsRs,
float *Rp_mat_, int numPointsRp,
cmplx *J_,
cmplx *M_,
cmplx kp,
cmplx eta,
cmplx E[][3],
cmplx H[][3], cmplx *All )
{
fp3 * Rs_mat=(fp3 *)Rs_mat_;
fp3 * Rp_mat=(fp3 *)Rp_mat_;
cp3 * J=(cp3 *)J_;
cp3 * M=(cp3 *)M_;
int k=threadIdx.x+blockIdx.x*blockDim.x;
while (k<numPointsRp)
{
computeEvec( Rs_mat, numPointsRs, J, M, Rp_mat[k], kp, eta, E[k], H[k], All );
k+=blockDim.x*gridDim.x;
}
}
}
""" ,no_extern_c=1,options=['--ptxas-options=-v'])
#call the function(kernel)
func = mod.get_function("computeEHfields")
func(Rs_gpu,np.int32(numPointsRs),Rp_gpu,np.int32(numPointsRp),J_gpu, M_gpu, np.complex64(kp), np.complex64(eta),Evec_gpu,Hvec_gpu, All_gpu, block=(128,1,1),grid=(200,1))
#----- get data back from GPU-----
Rs=Rs_gpu.get()
Rp=Rp_gpu.get()
J=J_gpu.get()
M=M_gpu.get()
Evec=Evec_gpu.get()
Hvec=Hvec_gpu.get()
All=All_gpu.get()
如果可能，避免将此GPU用于桌面和/或其他图形（例如，如果您在Linux上，请不要运行X）。如果不选择在没有图形的情况下运行，则为了减少内核执行时间以避免出现看门狗计时器内核终止，每次内核启动时，您将不得不做更少的工作，优化代码以使内核在相同的工作量下运行得更快，或者部署更快的GPU。有许多问题需要解决。@njuffa提供的答案1是最好的通用解决方案。我将根据您提供的有限数据提供更多反馈
if (blockIdx.x > 0) { return; }
if (blockIdx.x > 0) { return; }