CUDA中的可变大小数组

是否有任何方法可以声明数组，例如：

int arraySize = 10;
int array[arraySize];

在CUDA内核/函数中？我在另一篇文章中读到，我可以在内核调用中声明共享内存的大小，然后我就可以做到：

int array[];

但我不能这样做。我得到一个编译错误：“不允许不完整的类型”。另一方面，我还了解到printf（）可以从线程中调用，这也会引发一个错误：“无法从设备/全局函数内部调用主机函数”

---

我可以在CUDA内部制作一个可变大小的数组或等效数组吗？我在计算能力1.1，这和它有什么关系吗？我可以通过定义一个可以设置大小变量的

typedef struct

来绕过线程中的可变大小数组声明吗？欢迎使用除1.1之外的计算功能解决方案。这是一个班级团队项目，如果至少有某种方法可以做到，我至少可以提供这些信息

关于printf，问题是它只适用于计算能力2.x。有一种可供选择的纸杯，你可以试试

要在CUDA中分配可变大小的数组，请执行以下操作：

• 在内核内部编写

  extern\uuuuuuuuuuuuuuuuuu共享的\uuuuuuuuuu int[]

• 在内核调用中，您将共享内存大小作为第三个启动参数传递，以字节为单位，如

  mykernel（）

---

这在B.2.3节中关于

\uuuu shared\uuuu

限定符的部分中进行了解释。

如果数组可以很大，一种解决方案是使用一个内核来计算所需的数组大小，将其存储在数组中，然后在调用之后，主机分配必要的数组并将指针数组传递给线程，然后将计算作为第二个内核运行

---

这是否有帮助取决于您必须做什么，因为它是在全局内存中分配的数组。如果阵列的总大小（每个块）小于可用共享内存的大小，则可以拥有足够大的共享内存阵列，并让线程在它们之间协商拆分。

如果每个线程都必须声明不同大小的数组，该怎么办？另外，如果每个线程在其执行过程中决定了这个大小呢？您所说的是在每个线程中使用动态内存分配是可能的，但它确实很慢。而且也只在compute capability 2.x（指南B.15部分）上提供，谢谢。我不知道那时我要做什么。使用GPU的全部意义在于该项目与数据挖掘研究有关，而且算法太慢，因此我不确定我们将如何解决这个问题。传入一个数组，每个线程根据参数数组中的数据构造一个不同的数组，因此共享它不会以这种方式工作。我想与其在一个块中调用多个线程，不如用一个线程调用多个块，这样共享内存空间就不会冲突！！这也将非常缓慢。为了最大限度地提高效率，每个块的线程数应始终是扭曲大小的倍数。您必须考虑并使您的问题适应CUDA体系结构，确定易于并行化的部分。你想做的可能并不适合CUDA，不是所有的事情都适合。当您希望对大数据集上的每个元素执行相同的操作时，CUDA真的会大放异彩。这是SIMD体系结构的方式，单指令，多数据。如果你在一个不同的问题中讲述更多关于你的问题的细节，也许我们可以提供帮助。这是一个非常并行的算法，只是没有正确的组合！似乎总有一个整数或变量需要计算，然后我才能做其他事情。我们有两个解决方案，看起来这一个不会产生我们想要的加速效果。这是一个分类器算法。它将信息离散化，例如植物的花瓣长度、花瓣宽度、植物高度等，目的是分类植物的类型。然后，该算法开始在不同的功能之间一次移除一个阈值，比如花瓣长度，我已经考虑了一些类似的想法，以及其他一些想法，只是试图避免多个内核调用或任何会减慢该算法速度的事情，lol！！我认为这可能是最好的解决方案，谢谢！！在某些情况下，2个简单内核将比1个复杂的一次性完成内核提供更好的性能。尽可能多地利用并行性。分而治之：）