операция массива с помощью CUDA ядра

Question

Я пишу CUDA ядра и потоки выполняют следующие задачи:

for example i have array of [1, 2, 3, 4] then I want answer [12, 13, 14, 23, 24, 34] 

Пусть Я массив целых чисел п и я имею два индекса я и J.

простое решение для этого в языке C будет:

k=0; 
for (i = 0; i < n - 1; i++) 
    for(j = i+1; j < n-1 ; j++) 
     { new_array[k] = array[i]*10 + array[j]; 
      k++; 
     } 

В CUDA я попытался моя удача:

for(i = threadIdx.x + 1; i < n-1; i++) 
    new_array[i] = array[threadIdx.x] * 10 + array[i]; 

Но я думаю, что это не совсем правильно или оптимальный способ сделать это. может ли кто-нибудь предложить что-нибудь лучше?

Answer 1

Я предполагаю, что код, который вы хотите портировать на CUDA является следующее:

#include <stdio.h> 
#define N 7 

int main(){ 

    int array[N] = { 1, 2, 3, 4, 5, 6, 7}; 
    int new_array[(N-1)*N/2] = { 0 }; 

    int k=0; 
    for (int i = 0; i < N; i++) 
     for(int j = i+1; j < N; j++) 
     { 
      new_array[k] = array[i]*10 + array[j]; 
      k++; 
     } 

    for (int i = 0; i < (N-1)*N/2; i++) printf("new_array[%d] = %d\n", i, new_array[i]); 

return 0; 

}

Вы можете отметить, что вы можете переделать внутренний цикл как

for (int i = 0; i < N; i++) 
    for(int j = i+1; j < N; j++) 
     new_array[i*N+(j-(i+1))-(i)*(i+1)/2] = array[i]*10 + array[j]; 

, который позволит избежать явного определения индексной переменной k, используя индекс i*N+(j-(i+1))-(i)*(i+1)/2. Такое наблюдение полезно, потому что если вы интерпретируете индексы i и j как индексы потоков в портированном коде, тогда вы получите сопоставление между индексами потоков 2d и индексом, необходимым для доступа к целевому массиву в функции __global__, которую вы должны определить.

Соответственно, перенесенный код

#include <stdio.h> 
#define N 7 

__global__ void kernel(int* new_array_d, int* array_d) { 

    int i = threadIdx.x; 
    int j = threadIdx.y; 

    if (j > i) new_array_d[i*N+(j-(i+1))-(i)*(i+1)/2] = array_d[i]*10 + array_d[j]; 
} 

int main(){ 

    int array[N] = { 1, 2, 3, 4, 5, 6, 7}; 
    int new_array[(N-1)*N/2] = { 0 }; 

    int* array_d;  cudaMalloc((void**)&array_d,N*sizeof(int)); 
    int* new_array_d; cudaMalloc((void**)&new_array_d,(N-1)*N/2*sizeof(int)); 

    cudaMemcpy(array_d,array,N*sizeof(int),cudaMemcpyHostToDevice); 

    dim3 grid(1,1); 
    dim3 block(N,N); 
    kernel<<<grid,block>>>(new_array_d,array_d); 

    cudaMemcpy(new_array,new_array_d,(N-1)*N/2*sizeof(int),cudaMemcpyDeviceToHost); 

    for (int i = 0; i < (N-1)*N/2; i++) printf("new_array[%d] = %d\n", i, new_array[i]); 

    return 0; 
} 

Пожалуйста, добавьте свой собственный CUDA проверку ошибок в смысле What is the canonical way to check for errors using the CUDA runtime API?. Кроме того, вы можете расширить вышеуказанный код CUDA на случай блочных сеток нестандартных размеров.