CUDA针对不同功能的每个块使用不同的线程

我正在做一个CUDA程序，遇到了一个问题。我有两个职能：

\uuuuu全局\uuuuuu无效校准频率（浮点*，字符*，字符*，整数*，整数*）

\uuuuuuuuuuuuuuuuu全局\uuuuuuuuuuuuu无效校验和\uvfreq\upl（浮点*，浮点*，字符*，字符*，整数*）

我这样调用第一个函数：

cal_freq_pl（…）
M是一个大约15的数字，所以我不担心它。512是我的GPU上每个块的最大线程数。这可以很好地工作，并为所有M*512值提供预期的输出

但当我以类似的方式调用第二个函数时：
cal_sum_vfreq_pl（…）
它不起作用。在调试了该函数的垃圾之后，我终于发现它是以以下维度运行的：
cal_sum_vfreq_pl（…），比512小128。它显示512没有错误，但结果不正确

我目前只能访问Compute1.0 arch，并且在Windows 64位计算机上有Nvidia Quadro FX4600图形卡

我不知道为什么会发生这样的行为，我肯定第一个函数运行512个线程，第二个函数只运行384个（或更少）

有人能提出一些可能的解决方案吗

先谢谢你

编辑：
以下是内核代码：

__global__ void cal_sum_vfreq_pl(float *freq, float *v_freq_vectors, char *wstrings, char *vstrings, int *k){
    int index = threadIdx.x;
    int m = blockIdx.x;
    int block_dim = blockDim.x;
    int kv = *k; int vv = kv-1; int wv = kv-2;
    int woffset = index*wv;
    int no_vstrings = pow_pl(4, vv);
    float temppp=0;
    char wI[20], Iw[20]; int Iwi, wIi;
    for(int i=0;i<wv;i++) Iw[i+1] = wI[i] = wstrings[woffset + i];
    for(int l=0;l<4;l++){
            Iw[0] = get_nucleotide_pl(l);
            wI[vv-1] = get_nucleotide_pl(l);
            Iwi = binary_search_pl(vstrings, Iw, vv);
            wIi = binary_search_pl(vstrings, wI, vv);
            temppp = temppp + v_freq_vectors[m*no_vstrings + Iwi] + v_freq_vectors[m*no_vstrings + wIi];
    }
    freq[index + m*block_dim] = 0.5*temppp;
}

\uuuuu全局\uuuuu无效计算和\uvfreq\upl（浮点*freq，浮点*v\ufreq\u向量，char*wstring，char*vstrings，int*k）{
int index=threadIdx.x；
int m=blockIdx.x；
int block_dim=blockDim.x；
int kv=*k；int vv=kv-1；int wv=kv-2；
int woffset=索引*wv；
int no_v字符串=功率（4，vv）；
浮点temppp=0；
char-wI[20]，Iw[20]；int-Iwi，wIi；
对于（int i=0；i来说，您似乎在第二个内核中分配了很多寄存器。由于硬件资源的限制，例如每个块的寄存器数，您无法始终达到每个块的最大线程数

CUDA提供了一个工具来帮助计算每个块的正确线程数


您也可以在CUDA安装目录中找到此.xls文件。
什么是“它不工作”意思是？是内核启动失败，还是内核启动并在内核中运行？可能只是内核内部的绑定检查失败。@hubs:从385开始，它开始提供错误的输出，这很奇怪。如果它以385个线程开始，结果将是错误的，那么很肯定您的内核源代码中会出现故障。但是我很难说没有看到你的内核代码。@hubs:不，我的意思是，如果我把blockDim=385放进去，输出是错误的，整个输出都是错误的，不只是从385开始，而是从所有的M*512值开始。我将添加内核代码……作为一般规则，在任何情况下，你都应该检查线程是否要访问你分配的内存。试着运行你的p用
cuda memcheck编程
噢，我来研究一下。一个简单的问题，char[20]算1还是20个寄存器？看起来是
binary\u search\u pl（…）
是所有问题的根源。我需要以某种方式替换它，以使线程/块不会下降到384。我仍然不确定寄存器变量的使用位置，但这个
\uu设备\uuuuuuu
函数有一些事情要做。正如上面注释中的答案所示，长字符数组自动被删除传输到本地内存，我也测试了它，char[20]不是问题，但是
\uuuu设备\uuuu
函数调用是（在本例中为二进制搜索\upl），它们使用了太多的寄存器变量。@user1961040，有一些编译选项可以为您输出regester的用法。或者，我经常使用Visual profile检查寄存器的用法。我刚刚发现了一个新东西。因此，由于内核代码（和
\uu设备\uuu
函数调用），寄存器的数量减少了。但是，我得到的错误输出不是由于内核代码的某些错误计算。代码甚至没有编译，但VS2008没有显示错误，即使使用--ptxas options=-v option。因此，运行的代码是最后一个成功编译的版本。无论我做了什么更改（线程数>384）没有编译，所以以前的版本会运行。我经常遇到这个问题，所以我想在这里为面临类似问题的人编写它。