Cudamaloc是如何工作的？

我正在尝试修改CUDA SDK中的imageDenosing类，我需要多次重复过滤器以捕获时间。但是我的代码不能正常工作

//开始

__global__ void F1D(TColor *image,int imageW,int imageH, TColor *buffer)
{  

const int ix = blockDim.x * blockIdx.x + threadIdx.x;
const int iy = blockDim.y * blockIdx.y + threadIdx.y;

    if(iy != 0 && iy < imageH-1  && ix < imageW)
    {

        float4 fresult = get_color(image[imageW * iy + ix]);
        float4 fresult4 = get_color(image[imageW * (iy+1) + ix]);
        float4 fresult5 = get_color(image[imageW * (iy-1) + ix]);

        float4 fresult7; 
            fresult7.x = fresult.x*0.5+fresult4.x*.25+fresult5.x*.25;
            fresult7.y = fresult.y*0.5+fresult4.y*.25+fresult5.y*.25;
            fresult7.z = fresult.z*0.5+fresult4.z*.25+fresult5.z*.25;

        buffer[imageW * iy + ix] =      
            make_color(fresult7.x,fresult7.y,fresult7.z,0);     

    }

    image[imageW * iy + ix] =   buffer[imageW * iy + ix];
    //should be use cudaMemcpy, But it fails
}

\uuuuu全局\uuuuu无效F1D（TColor*image、int-imageW、int-imageH、TColor*buffer）
{  
const int ix=blockDim.x*blockIdx.x+threadIdx.x；
const int iy=blockDim.y*blockIdx.y+threadIdx.y；
如果（iy！=0&&iy

//外行

extern "C" void
cuda_F1D(TColor *dst, int imageW, int imageH)
{
dim3 threads(BLOCKDIM_X, BLOCKDIM_Y);
dim3 grid(iDivUp(imageW, BLOCKDIM_X), iDivUp(imageH, BLOCKDIM_Y));
Copy<<<grid, threads>>>(dst, imageW, imageH);

size_t size = imageW*imageH*sizeof(TColor);
TColor *host =(TColor*) malloc(size);
TColor *dst2;
//TColor *dst3;
//TColor *d = new TColor(imageW*imageH*sizeof(TColor));
dim3 threads2(imageW,1);
dim3 grid2(iDivUp(imageW, imageW), iDivUp(imageH, 1));

*for(int i = 0;i<1;i++)
{   
    cudaMalloc( (void **)&dst2, size);
            cudaMemcpy(dst2, dst, imageW*imageH*sizeof(TColor),cudaMemcpyHostToDevice);
//cudaMalloc( (void **)&dst3, imageW*imageH*sizeof(TColor));
//cudaMemcpy(dst3, dst, imageW*imageH*sizeof(TColor),cudaMemcpyHostToDevice);
    F1D<<<grid2, threads2>>>(dst, imageW, imageH,dst2);
//cudaMemcpy(dst, dst3, imageW*imageH*sizeof(TColor),cudaMemcpyDeviceToHost);
    cudaFree(dst2);
}*

}

外部“C”无效
cuda_F1D（T颜色*dst、int图像W、int图像H）
{
dim3螺纹（块状DIM_X，块状DIM_Y）；
dim3网格（iDivUp（图像W，块尺寸X），iDivUp（图像H，块尺寸Y））；
副本（dst、imageW、imageH）；
大小\u t size=imageW*imageH*sizeof（TColor）；
TColor*主机=（TColor*）malloc（大小）；
t颜色*dst2；
//t颜色*dst3；
//TColor*d=新的TColor（imageW*imageH*sizeof（TColor））；
dim3螺纹2（图W，1）；
dim3网格2（iDivUp（imageW，imageW），iDivUp（imageH，1））；
*对于（inti=0；i您的内核正在异步运行-您需要等待它完成，例如

cudaMalloc((void **)&dst2, size);
cudaMemcpy(dst2, dst, imageW * imageH * sizeof(TColor), cudaMemcpyHostToDevice);
F1D<<<grid2, threads2>>>(dst, imageW, imageH, dst2);
cudaThreadSynchronize(); // *** wait for kernel to complete ***
cudaFree(dst2);

cudaMalloc（（void**）和dst2，尺寸）；
cudaMemcpy（dst2、dst、imageW*imageH*sizeof（TColor）、cudaMemcpyHostToDevice）；
F1D（dst、imageW、imageH、dst2）；
cudaThreadSynchronize（）；//***等待内核完成***
cudaFree（dst2）；
当您之前发布相同的问题时，我已经为您回答了这个问题-您需要等待内核完成后再运行它-添加：

cudaThreadSynchronize(); // *** wait for kernel to complete ***

在内核调用之后。
语句

image[imageW * iy + ix] =   buffer[imageW * iy + ix];

是导致问题的原因。您正在覆盖内核中的输入图像。因此，根据线程执行顺序，您可能会进一步模糊图像的某些部分

而且，我不明白

cudaMemcpy(dst2, dst, imageW*imageH*sizeof(TColor),cudaMemcpyHostToDevice);

dst
看起来像是设备内存，因为您可以在cuda内核中访问它。
大概dst也是cudaMalloc在其他地方使用的？一个想法供将来参考，也许您打算使用“i”循环执行更多的迭代-你应该避免圈内的CUADAMOLC和CUADFRE，只做一次。在性能路径上不是很好的，它们不是超快的。如果你的算法允许的话，你也可以考虑异步MeMCPIE。@ KITW：点击上面的编辑按钮来修复TyPOS等等。计数？这是同一个帐户。kitw。是的，谢谢你的回答，但是cudaThreadSynchronize（）没有帮助。我以前试过，结果还是不正确。结果：左一个是第一次申请时，中间一个是在这个程序循环100次之后，右一个是我100次之后应该得到的times@kitw：您仍然没有
cudaThreadSynchronize（）
但是在上面的代码中-为什么要省略此项？如果没有此项，代码就无法在循环中工作。