Memory 当所有内核都需要全局内存访问时，如何CUDA化代码

没有CUDA，我的代码只是两个for循环，用于计算系统中所有坐标对之间的距离，并将这些距离排序到容器中

我的CUDA版本的问题在于，显然线程不能同时写入相同的全局内存位置（竞争条件？）。我最终为每个存储箱获取的值不正确，因为只有一个线程最终写入每个存储箱

__global__ void computePcf(
        double const * const atoms,
        double * bins,
        int numParticles,
        double dr) {

    int i = blockDim.x * blockIdx.x + threadIdx.x;

    if (i < numParticles - 1) {
        for (int j = i + 1; j < numParticles; j++) {
            double r = distance(&atoms[3*i + 0], &atoms[3*j + 0]);

            int binNumber = floor(r/dr);

            // Problem line right here.
            // This memory address is modified by multiple threads
            bins[binNumber] += 2.0;
        }
    }
}

全局无效计算cf(
双常数*常数原子，
双*箱，
int numParticles，
双dr）{
int i=blockDim.x*blockIdx.x+threadIdx.x；
如果（i

所以。。。我不知道该怎么办。我一直在谷歌上搜索和阅读有关共享内存的内容，但问题是，在我进行距离计算之前，我不知道要访问哪个内存区域

---

我知道这是可能的，因为一个叫做VMD的程序使用GPU来加速这个计算。任何帮助（甚至想法）都将不胜感激。我不需要优化，只需要功能。

有多少个

箱子[]

？ 是否有某种原因导致

箱子[]

需要为

双箱类型？从你的代码中看不明显。您所拥有的基本上是一个操作，您可能希望了解快速并行直方图技术。可能有兴趣

有几种可能的途径来考虑你的代码：

看看是否有办法重新构造算法，以使给定的一组线程（或bin计算）不会相互重叠的方式安排计算。这也许可以根据排序距离来实现

使用此选项可以解决您的问题，但在执行时间方面可能会付出高昂的代价（但因为它非常简单，您可能想尝试一下。）代替此选项：

bins[binNumber] += 2.0;

大概是这样的：

int * bins,
...
atomicAdd(bins+binNumber, 2);

如果
bin
的类型为
double
，您仍然可以这样做，这只是稍微复杂一点。有关如何在
double
上执行
atomicAdd
的示例，请参阅

如果
存储箱的数量很小（可能只有几千个或更少），则可以创建几个由多个线程块更新的存储箱集，然后在处理序列结束时使用缩减操作（逐个元素将存储箱集相加）。在这种情况下，您可能需要考虑使用较少数量的线程或线程块，每个线程处理多个元素，通过在内核代码中添加一个循环，从而在每个粒子处理完成后，通过添加<代码> GRIDIMD.x*BuffDim.x/Cuff>到<代码> i>代码>变量，循环跳到下一个粒子，重复这个过程。由于每个线程或threadblock都有自己的容器本地副本，所以它可以在不影响其他线程访问的情况下执行此操作

例如，假设我只需要1000个int类型的箱子，我可以创建1000组箱子，这只需要大约4兆字节。然后我可以给1000个线程中的每个线程它自己的bin集，然后1000个线程中的每个线程都有它自己的bin集要更新，并且不需要原子，因为它不会干扰任何其他线程。通过让每个线程在多个粒子之间循环，我仍然可以通过这种方式有效地保持机器忙碌。当所有的粒子装箱完成后，我必须将我的1000个箱子集添加到一起，可能需要一个单独的内核调用