CUDA编程常见问题 转

时间:2021-08-20 12:16:10

http://blog.csdn.net/yutianzuijin/article/details/8147912

分类: 编程语言2012-11-05 10:55 2521人阅读 评论(0) 收藏 举报

最近初试cuda编程,作为一个新手,遇到了各种各样的问题,然后花费了大量时间解决这些匪夷所思的问题。为了避免后来人重蹈覆辙,现把自己遇到的问题总结如下。

(一)、cudaMalloc

初次使用该函数,感觉没有什么困难,和c语言的malloc类似。但是在具体应用中却出了一个很难找的错误,花费了很多时间。该函数使用是需要注意的就是,它分配的内存空间单位是字节,所以需要我们在使用时用sizeof指定具体分配的变量类型,这样才能正确分配空间。例:

cudaMalloc((void**)&gpu_data,sizeof(float)*1024);

(二)、函数的执行位置

cuda程序的一大特色是程序的核心部分在GPU上执行,所以cuda函数就分为不同的类别:host、global、device三类。所以我们在编写函数时一定要分清楚当前正在编写的是哪类函数,可以调用什么库函数。

  • host函数:在CPU上调用,在CPU上执行,可以调用global函数,不能调用device函数;
  • global函数:只能在host函数中调用,但是执行是在GPU上执行,例如cudaMalloc之类的内存操作库函数,可以调用device函数;
  • device函数:只能在GPU上调用和执行,只能被global函数引用。
    关于函数类别容易出现的错误就是内存分配时CPU和GPU的混淆。我们只需要记住,在host函数中可以直接使用的内存都是CPU上的内存,GPU上的内存需要通过cudaMemcpy函数调用拷贝到CPU内存空间;在global和device函数中使用的内存都是在GPU内存空间,使用之前需要分配。
(三)、共享内存
     共享内存是提升程序性能很重要的一部分,能不能用好共享内存是是否掌握cuda编程的一个重要依据。在此只想强调一点:共享内存没有初始化!下面是自己写的一个数组求和程序,用到了共享内存:
  1. __device__ int count=0;
  2. __global__ static void sum(int* data_gpu,int* block_gpu,int *sum_gpu,int length)
  3. {
  4. extern __shared__ int blocksum[];
  5. __shared__ int islast;
  6. int offset;
  7. const int tid=threadIdx.x;
  8. const int bid=blockIdx.x;
  9. blocksum[tid]=0;
  10. for(int i=bid*THREAD_NUM+tid;i<length;i+=BLOCK_NUM*THREAD_NUM)
  11. {
  12. blocksum[tid]+=data_gpu[i];
  13. }
  14. __syncthreads();
  15. offset=THREAD_NUM/2;
  16. while(offset>0)
  17. {
  18. if(tid<offset)
  19. {
  20. blocksum[tid]+=blocksum[tid+offset];
  21. }
  22. offset>>=1;
  23. __syncthreads();
  24. }
  25. if(tid==0)
  26. {
  27. block_gpu[bid]=blocksum[0];
  28. __threadfence();
  29. int value=atomicAdd(&count,1);
  30. islast=(value==gridDim.x-1);
  31. }
  32. __syncthreads();
  33. if(islast)
  34. {
  35. if(tid==0)
  36. {
  37. int s=0;
  38. for(int i=0;i<BLOCK_NUM;i++)
  39. {
  40. s+=block_gpu[i];
  41. }
  42. *sum_gpu=s;
  43. }
  44. }
  45. }
   特别注意第11八行代码,不对要访问的共享内存进行初始化将得不到正确的结果。
(四)、原子函数调用
   在调用原子函数时,需要指定当前显卡的计算能力,否则会报错“atomic*** is undefined.”。 linux下解决方案是在编译源代码时为nvcc编译器指定一个计算能力的选项。例如计算能力时1.3,则可以添加参数:-arch sm_13,这样就可以顺利编译。
(五)、CUDA语法
   很多参考书都介绍说CUDA采用的是C扩展语法,所以一开始我们很容易认为采用C语法就够了。但是这样也容易让我们陷入一个误区:只能是C语法,而不能是其他。其实CUDA是C和C++的混合体,有时候采用C++的语法会更便利:
  • for循环内可以定义变量,标准C语言不支持,所以我们可以直接用(for int i=0;i<length;i++),这样的好处是可以节省一个寄存器;
  • 变量定义位置无限制,可以在任意位置定义变量;
  • CUDA支持多态,所以我们可以定义多个名称相同,参数不同的函数,这个没有问题;
  • 有时多态可以用模版(template)来合并代码,达到简化编程的目的;
(六)、block和thread号的正确使用
    为了调度不同的线程,我们通常需要利用内置变量threadIdx和blockIdx作为循环中的增量。但是切记在循环内部要正确使用内置变量,两天debug的教训!下面是一个示例代码:
  1. __global__ static void saliencefunc(float *peaks_gpu,int *index_gpu,float *saliencebins_gpu,int framenumber)
  2. {
  3. __shared__ float peaks[HALF_PEAK_NUM];
  4. __shared__ int index[HALF_PEAK_NUM];
  5. int tid=threadIdx.x;
  6. int bid=blockIdx.x;
  7. for(int i=bid;i<framenumber;i+=BLOCK_NUM)
  8. {
  9. if(tid<HALF_PEAK_NUM)
  10. {
  11. peaks[tid]=peaks_gpu[HALF_PEAK_NUM*i+tid];
  12. index[tid]=index_gpu[HALF_PEAK_NUM*i+tid];
  13. }
  14. __syncthreads();
  15. }
  16. }

注意代码第十三和十四行的赋值操作HALF_PEAK_NUM*i+tid,笔者之前的写法是HALF_PEAK_NUM*bid+tid,结果花了两天的时间找问题,所以要正确使用,在可以替换的情况下就用i或者j这样的变量,尽量少用内置变量。

(七)、空间释放
    在GPU上分配的空间,在使用完成之后要及时释放。对于运行一次的程序,不释放空间没有什么大碍,毕竟程序结束空间自动会被释放掉。但是当程序不间断运行多次的时候,不释放空间会导致非常严重的GPU内存泄露。第一个问题是随着程序的运行,GPU内存耗尽,导致后续内存分配失败;第二个问题是,程序运行会越来越慢。所以我们一定要养成用完及时释放空间的习惯。