CUDA：我应该如何处理线程数不能表示为dimGrid*dimBlock的情况？

假设我的输入由七个数据点组成，在这些数据点上执行一些计算，并将结果写回大小为7的输出数组。将块维度声明为4将导致网格大小为2，这将导致尝试运行线程id无效（使用pt_id=blockIdx.x*blockDim.x+threadID.x）为7的内核，并由于内存访问无效而失败（因为我基于线程id访问了一些数组）。

---

我可以在我的内核中添加代码，专门将线程id与max_thread_id参数进行比较，如果thread_id>max_thread_id，则什么也不做，但我想知道是否有更漂亮的方法来处理不规则的输入数组。

拥有一个大小不是块维度的倍数的任务是非常常见的事情。我最常使用的解决方案是这个。假设您的输入数据大小为

N

，并且您希望将启动配置为块大小等于

block\u size

。在这种情况下，您的启动配置可能如下所示：

kernel_function<<<(N + BLOCK_SIZE - 1) / BLOCK_SIZE, BLOCK_SIZE>>>(...);

int id = blockIdx.x*blockDim.x + threadIdx.x;
if (id < N) { /* do the stuff */ }
else { return; }

kernel_函数（…）；

在内核代码中，每个线程决定它是否应该做一些工作，比如：

kernel_function<<<(N + BLOCK_SIZE - 1) / BLOCK_SIZE, BLOCK_SIZE>>>(...);

int id = blockIdx.x*blockDim.x + threadIdx.x;
if (id < N) { /* do the stuff */ }
else { return; }

int-id=blockIdx.x*blockDim.x+threadIdx.x；
如果（id

如果任务的大小（

N

）取决于输入，则必须将此值作为参数传递给内核函数。此外，通常将

N

和

BLOCK\u SIZE

的值定义为宏或模板参数

---

最后，如果您的输入数组的大小很小，如您的示例中所示，那么GPU仍然没有得到充分利用，并行性不会给您带来任何好处，甚至会降低算法的性能。

您应该将数组大小传递给内核，比如

N

，然后检查

pt\id prettier是什么意思？普通螺纹检查有什么问题？它非常常用。Jack-我的最大线程id正是您的N。澄清一下-我的问题是关于（dimGrid-1）*dimBlock<需要的线程数