我正在尝试通过编写基本代码来学习 CUDA,这有望让我能够更好地将我现有的 C++ 代码转换为 CUDA(用于研究)。
我需要做一些复杂的数字操作,所以我写了这个非常基本的代码来将一个复数数组与一个实数相乘 在 GPU 内核中。
#include <complex>
#include <iostream>
#include <cmath>
#include "cuda.h"
#include "math.h"
#include "cuComplex.h"
#define n 5
using namespace std;
#define gpuErrchk(ans) { gpuAssert((ans), __FILE__, __LINE__); }
inline void gpuAssert(cudaError_t code, char *file, int line, bool abort=true)
{
if (code != cudaSuccess)
{
fprintf(stderr,"GPUassert: %s %s %d\n", cudaGetErrorString(code), file, line);
if (abort) exit(code);
}
}
__global__ void func( double *s, cuDoubleComplex *j, cuDoubleComplex *calc ) {
int tid = blockIdx.x;
calc[tid] = cuCmul(j[tid], make_cuDoubleComplex(*s, 0));
}
int main( void ) {
cuDoubleComplex calc[n+1], *dev_j, *dev_calc;
double *dev_s, s[n+1] = { 2.0, 2.0, 2.0, 2.0, 2.0 };
//complex<double> j[n+1]
cuDoubleComplex j[n+1];
for (int i = 1; i <= n; i++) {
j[i] = make_cuDoubleComplex(0, 5);
cout << "\nJ cout = " << cuCreal(j[i]) << ", " << cuCimag(j[i]);
}
// allocate the memory on the GPU
cudaMalloc( (void**)&dev_s, (n+1) * sizeof(double) );
cudaMalloc( (void**)&dev_j, (n+1) * sizeof(double) );
cudaMalloc( (void**)&dev_calc, (n+1) * sizeof(double) );
cudaMemcpy( dev_s, s, (n+1) * sizeof(double), cudaMemcpyHostToDevice );
cudaMemcpy( dev_j, j, (n+1) * sizeof(double), cudaMemcpyHostToDevice );
func<<<n,1>>>( dev_s, dev_j, dev_calc );
//kernel<<<1,1>>>(a_d);
gpuErrchk( cudaPeekAtLastError() );
gpuErrchk( cudaMemcpy(calc, dev_calc, (n+1) * sizeof(double), cudaMemcpyDeviceToHost) );
//cudaMemcpy( calc, dev_calc, (n+1) * sizeof(double), cudaMemcpyDeviceToHost );
for (int i = 1; i <= n; i++) {
cout << "\nCALC cout = " << cuCreal(calc[i]) << ", " << cuCimag(calc[i]);
}
return 0;
}
最后的答案是错误的,我还发现了其他一些我没有得到预期值的地方。
1) 我期望在以下代码行之后为“j”的所有元素生成一个复杂的 double 组 (0, 5i)。但是,我得到的都是 0。这是为什么?
j[i] = make_cuDoubleComplex(0, 5);
2) 为什么我不能使用 cout 打印我的数组?下面显示的代码行给出以下错误:没有运算符“<<”匹配这些操作数。如何在不使用 printf 的情况下解决此问题?
cout << "\nJ = " << j[i];
3) GPU 函数“func”应该给出一个 (0, 10i) 的数组作为最终答案,给出如下随机值:
CALC = -1.#QNAN0
CALC = -1.#QNAN0
CALC = -9255963134931783100000000...000.. etc
CALC = -9255963134931783100000000...000.. etc
4) 对于我的实际研究,复数数组“j”将以 complex(double) 而非 cuDoubleComplex 的格式给出。我可以使用函数“func”对复杂(双)的“j”数组执行类似的操作吗?如果没有,我有什么选择?
我想我已经很好地解释了自己,但请随时提出任何后续问题。 C++ 和 CUDA 的新手所以很好 :D
最佳答案
在编写 CUDA 代码时,尤其是当您正在学习或遇到困难时(事情没有按您预期的方式工作),您应该始终这样做 cuda error checking在所有 CUDA API 调用和内核调用上。
我认为您的代码中实际上没有任何 CUDA 功能错误(干得好!),但值得指出。
您的大部分问题是由于您没有正确打印类型 cuDoubleComplex
。您的 printf 语句指定了一个 float
格式参数 (%f
) 但您没有传递一个 float
值(您传递的是一个 cuDoubleComplex
值)。那是行不通的,当您这样做时 printf
会表现得很奇怪,不会给出任何错误指示。
相反,尝试这样的事情:
printf("\nJ = %f, %f", cuCreal(j[i]), cuCimag(j[i]));
这些函数(cuCreal
和 cuCimag
)返回 cuComplex
数的实部和虚部,并将它们作为适当的类型返回, float
或 double
,在这种情况下,从 double
到 float
的隐式转换就可以了执行并可以由 printf
处理(虽然这不是很好的编程习惯——而是使用正确的 printf
格式说明符作为 double
值) .
如果您对两个 printf 语句都进行了更改,我认为您会得到预期的结果——至少我在运行您的代码时做到了。如果您仍然遇到垃圾,那么您的 CUDA GPU 可能无法正常工作,这里是执行我提到的 CUDA 错误检查的地方将帮助您发现问题所在。
关于您关于cout
的问题,答案大致等同于我对printf
的解释。 cout
不理解类型 cuDoubleComplex
,因此会抛出错误。如果您想在不使用 printf
的情况下修复它,请将您的 cuDoubleComplex
转换为其单独的实部和虚部,由 float
或 double 表示
,使用我在上面的 printf
语句中指出的转换函数。
关于您的最后一个问题,将您的 complex
数据转换为 cuDoubleComplex
类型应该不难。根据您在 cuComplex.h
中的实用程序编写一个转换函数来执行此操作。有一些后门方法可以解决这个问题,但它们不是好的编程习惯。
编辑:在回答后续问题时,当前发布的代码中还有两个错误。
dev_j
和dev_calc
属于cuDoubleComplex
类型,但您正在执行cudaMalloc
和cudaMemcpy
在这些数量上,就好像它们的大小是double
一样。在下面的代码中,我将那些sizeof(double)
条目更改为sizeof(cuDoubleComplex)
。- 对于 C 和 C++,您的索引总体上有点奇怪。通常索引从零开始。你有一个索引问题,最后一个元素没有得到正确的计算。我将所有索引更改为从零开始。
这里是对你的代码的修改,对我有用:
//#include <complex> // not necessary for this code
#include <iostream>
#include <cmath>
//#include "cuda.h" // not necessary when compiling with nvcc
#include "math.h"
#include "cuComplex.h"
#define n 5
using namespace std;
#define gpuErrchk(ans) { gpuAssert((ans), __FILE__, __LINE__); }
inline void gpuAssert(cudaError_t code, char *file, int line, bool abort=true)
{
if (code != cudaSuccess)
{
fprintf(stderr,"GPUassert: %s %s %d\n", cudaGetErrorString(code), file, line);
if (abort) exit(code);
}
}
__global__ void func( double *s, cuDoubleComplex *j, cuDoubleComplex *calc ) {
int tid = blockIdx.x;
calc[tid] = cuCmul(j[tid], make_cuDoubleComplex(*s, 0));
}
int main( void ) {
cuDoubleComplex calc[n+1], *dev_j, *dev_calc;
double *dev_s, s[n] = { 2.0, 2.0, 2.0, 2.0, 2.0 };
//complex<double> j[n+1]
cuDoubleComplex j[n];
for (int i = 0; i < n; i++) {
j[i] = make_cuDoubleComplex(0, 5);
cout << "\nJ cout = " << cuCreal(j[i]) << ", " << cuCimag(j[i]);
}
// allocate the memory on the GPU
cudaMalloc( (void**)&dev_s, (n) * sizeof(double) );
cudaMalloc( (void**)&dev_j, (n) * sizeof(cuDoubleComplex) );
cudaMalloc( (void**)&dev_calc, (n) * sizeof(cuDoubleComplex) );
cudaMemcpy( dev_s, s, (n) * sizeof(double), cudaMemcpyHostToDevice );
cudaMemcpy( dev_j, j, (n) * sizeof(cuDoubleComplex), cudaMemcpyHostToDevice );
func<<<n,1>>>( dev_s, dev_j, dev_calc );
//kernel<<<1,1>>>(a_d);
gpuErrchk( cudaPeekAtLastError() );
gpuErrchk( cudaMemcpy(calc, dev_calc, (n) * sizeof(cuDoubleComplex), cudaMemcpyDeviceToHost) );
//cudaMemcpy( calc, dev_calc, (n+1) * sizeof(double), cudaMemcpyDeviceToHost );
for (int i = 0; i < n; i++) {
cout << "\nCALC cout = " << cuCreal(calc[i]) << ", " << cuCimag(calc[i]);
}
return 0;
}
关于c++ - CUDA - 简单的复数乘法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17476978/