CUDA并行化嵌套的for循环
我是CUDA新手。我正在尝试并行化以下代码。现在它位于内核上，但根本没有使用线程，因此速度很慢。我试着用这个answer但到目前为止都无济于事。
内核应该生成前n个素数，并将它们放入设备中。_primes数组，然后从主机访问此数组。代码是正确的，并且在串行版本中运行良好，但我需要加快速度，可能需要使用共享内存。
//CUDA kernel code
__global__ void generatePrimes(int* device_primes, int n)
{
//int i = blockIdx.x * blockDim.x + threadIdx.x;
//int j = blockIdx.y * blockDim.y + threadIdx.y;
int counter = 0;
int c = 0;
for (int num = 2; counter < n; num++)
{
for (c = 2; c <= num - 1; c++)
{
if (num % c == 0) //not prime
{
break;
}
}
if (c == num) //prime
{
device_primes[counter] = num;
counter++;
}
}
}我目前，初步的，绝对错误的并行化尝试如下所示：
//CUDA kernel code
__global__ void generatePrimes(int* device_primes, int n)
{
int i = blockIdx.x * blockDim.x + threadIdx.x;
int j = blockIdx.y * blockDim.y + threadIdx.y;
int num = i + 2;
int c = j + 2;
int counter = 0;
if ((counter >= n) || (c > num - 1))
{
return;
}
if (num % c == 0) //not prime
{
}
if (c == num) //prime
{
device_primes[counter] = num;
counter++;
}
num++;
c++;
}但是这段代码用没有意义的数据填充数组。此外，许多值都是零。提前感谢您的帮助，非常感谢。
回答 1
Stack Overflow用户
发布于 2012-11-05 03:35:50
您的代码中存在一些问题，例如：
int num = i + 2;此表达式将赋值给thread 0交互2，到thread 1迭代3，以此类推。问题是线程将计算的下一次迭代是基于表达式num++;。因此，thread 0下一步将计算迭代3，该迭代已经由thread 1。因此，导致冗余计算。此外，我认为对于这个问题，只使用一个维度会比使用两个维度更容易(x,y)。因此，考虑到这一点，你必须改变num++至：
num += blockDim.x * gridDim.x;另一个问题是您没有考虑到变量counter必须在线程之间共享。否则，每个线程将尝试查找'n‘个素数，所有这些素数都将填充整个数组。所以你必须改变int counter = 0;设置为共享或全局变量。让我们使用一个全局变量，这样它就可以在来自所有块的所有线程中可见。我们可以使用数组的位置零device_primes保存变量counter。
您还必须初始化此值。让我们只将这个任务分配给一个线程，即` `id = 0的线程，因此：
if (thread_id == 0) device_primes[0] = 1;但是，这个变量是全局的，它将由所有线程写入。因此，我们必须保证所有线程在写入该全局变量之前，都会看到该变量counter是1(第一个位置device_primes对于素数，0表示counter)，所以你必须在最后添加一个屏障，所以：
if (thread_id == 0)
device_primes[0] = 1;
__syncthreads()因此，一个可能的解决方案(尽管效率很低)：
__global__ void getPrimes(int *device_primes,int n)
{
int c = 0;
int thread_id = blockIdx.x * blockDim.x + threadIdx.x;
int num = thread_id;
if (thread_id == 0) device_primes[0] = 1;
__syncthreads();
while(device_primes[0] < n)
{
for (c = 2; c <= num - 1; c++)
{
if (num % c == 0) //not prime
{
break;
}
}
if (c == num) //prime
{
int pos = atomicAdd(&device_primes[0],1);
device_primes[pos] = num;
}
num += blockDim.x * gridDim.x; // Next number for this thread
}
}下面这行atomicAdd(&device_primes[0], 1);基本上都会执行device_primes[0]++;。我们使用原子操作是因为变量counter是全球性的，我们需要保证相互排斥。注意，您可能必须使用flag -arch sm_20。
优化：在代码方面，最好使用同步较少/没有同步的方法。此外，还可以通过考虑素数的一些属性来减少计算量，如
https://stackoverflow.com/questions/13215614
复制相似问题
腾讯云开发者
