如何实现设备端CUDA虚拟功能？

我看到CUDA不允许将带有虚拟函数的类传递到内核函数中。有没有解决这个限制的办法

我真的希望能够在内核函数中使用多态性

---

谢谢

罗伯特·克罗维拉评论中最重要的部分是：

这些对象只需在设备上创建即可

所以记住这一点，我正在处理这样的情况：我有一个抽象类函数，然后它的一些实现封装了不同的函数及其求值。这是我的代码的简化版本，我是如何在我的情况下实现多态性的，但我并不是说不能做得更好。。。这将有助于您了解以下内容：

class Function
{
public:
    __device__ Function() {}
    __device__ virtual ~Function() {}
    __device__ virtual void Evaluate(const real* __restrict__ positions, real* fitnesses, const SIZE_TYPE particlesCount) const = 0;
};

class FunctionRsj : public Function
{
private:
    SIZE_TYPE m_DimensionsCount;
    SIZE_TYPE m_PointsCount;
    real* m_Y;
    real* m_X;
public:
    __device__ FunctionRsj(const SIZE_TYPE dimensionsCount, const SIZE_TYPE pointsCount, real* configFileData)
        : m_DimensionsCount(dimensionsCount),
            m_PointsCount(pointsCount),
            m_Y(configFileData),
            m_X(configFileData + pointsCount) {}

    __device__ ~FunctionRsj()
    {
        // m_Y points to the beginning of the config
        // file data, use it for destruction as this 
        // object took ownership of configFilDeata.
        delete[] m_Y;
    }

    __device__ void Evaluate(const real* __restrict__ positions, real* fitnesses, const SIZE_TYPE particlesCount) const
    {
        // Implement evaluation of FunctionRsj here.
    }
};

__global__ void evaluate_fitnesses(
    const real* __restrict__ positions,
    real* fitnesses,
    Function const* const* __restrict__ function,
    const SIZE_TYPE particlesCount)
{
    // This whole kernel is just a proxy as kernels
    // cannot be member functions.
    (*function)->Evaluate(positions, fitnesses, particlesCount);
}

__global__ void create_function(
    Function** function,
    SIZE_TYPE dimensionsCount,
    SIZE_TYPE pointsCount,
    real* configFileData)
{
    // It is necessary to create object representing a function
    // directly in global memory of the GPU device for virtual
    // functions to work correctly, i.e. virtual function table
    // HAS to be on GPU as well.
    if (threadIdx.x == 0 && blockIdx.x == 0)
    {
        (*function) = new FunctionRsj(dimensionsCount, pointsCount, configFileData);
    }
}

__global__ void delete_function(Function** function)
{
    delete *function;
}

int main()
{
    // Lets just assume d_FunctionConfigData, d_Positions,
    // d_Fitnesses are arrays allocated on GPU already ...

    // Create function.
    Function** d_Function;
    cudaMalloc(&d_Function, sizeof(Function**));
    create_function<<<1, 1>>>(d_Function, 10, 10, d_FunctionConfigData);

    // Evaluate using proxy kernel.
    evaluate_fitnesses<<<
        m_Configuration.GetEvaluationGridSize(),
        m_Configuration.GetEvaluationBlockSize(),
        m_Configuration.GetEvaluationSharedMemorySize()>>>(
        d_Positions,
        d_Fitnesses,
        d_Function,
        m_Configuration.GetParticlesCount());

    // Delete function object on GPU.
    delete_function<<<1, 1>>>(d_Function);
}

---

您可以在CUDA内核函数中使用多态性。这些对象只需在设备上创建即可。这通常不会很难做到，即使您需要使用来自主机的数据初始化这些对象。我提供了一个答案，用推力演示了这个概念，但当然它也可以在普通CUDA代码中工作。@Robert Crovella似乎这个问题的根源是虚拟函数表的地址特定于设备。在对象在设备之间移动的多gpu应用程序中，这会产生什么影响？例如，我在设备0上实例化一个多态类，然后将实例memcpy到设备1，其中也有相同类的实例。该对象会破坏memcopied对象，还是会无缝地使用设备1的虚拟函数表？我不希望它工作。虚拟函数表基本上是一组指针。这些指针地址只会精确到要调用它们的设备。事实上，我希望UVA能保证它不会起作用。你也许可以让它在非UVA环境下工作，但我不会指望它。不过，我只是在这里猜测。我自己没试过。这正是我想要的。非常感谢。还有一个问题：在内核或设备函数中调用new或malloc不是一个巨大的性能损失吗？@Acerebral在我的例子中，我没有经历过任何重大的开销，总之，我无法想象更好的方法来解决我的问题，所以即使malloc或new会损害性能，我也不会太在意。我比较了没有抽象类的简单方法，在CPU上创建函数，然后使用cudaMemcpy，但性能几乎相同。我想只有在必要时才能实施解决方案并进行优化。