关于CUDA操作中的原子问题

     好久不写博客了,慢慢的感觉自己懒散好多,废话不说,看看关于原子操作吧

     关于CUDA的书一本接着一本,算来看了好多本,在做CT重建中FDK,也算是有个结果了吧,不过后期优化还没有做,想看看关于CUDA的一些simple,那就从第一个开始吧,结果第一个是关于CUDA的动态并行的,也就是递归调用的,项目名字叫cdpSimplePrint,调试结果分析,发现原子操作的结果并不是自己以前认为的。

       例子中:

                            s_uid = atomicAdd(&g_uids, 1);

                             其中变量声明:__shared__ int s_uid;__device__ int g_uids = 0;

                         我觉得s_uid返回的是s_uid=g_uids+1;只不过将线程串行,强制高速缓存刷新,跟踪,也确实有volite之类的字样,可结果却是s_uid等于0!

             这让我困惑了许久,最后在CUDA_C_Programming_Guide中查到了这么一段:

int atomicAdd(int* address, int val);
unsigned int atomicAdd(unsigned int* address,
unsigned int val);
unsigned long long int atomicAdd(unsigned long long int* address,
unsigned long long int val);
float atomicAdd(float* address, float val);
reads the 32-bit or 64-bit word old located at the address address in global or shared
memory, computes (old + val), and stores the result back to memory at the same
address. These three operations are performed in one atomic transaction. The function
returns old.

好吧,原来搞了半天,我没有搞清这个函数具体怎么来使用的

CUDA原子操作和规约是在CUDA编程常用的技术。原子操作是一种特殊的操作,可以确保多个线程同时访问共享内存时的数据一致性。CUDA提供了多种原子操作函数,如原子加法函数,可以在并行计算实现线程间的同步和数据的安全更新。\[3\] 规约是一种常见的并行计算技术,用于将一个数组的元素通过某种操作进行合并,得到一个最终的结果。在CUDA,规约操作可以用于求和、求最大值、求最小值等。CUDA提供了多种规约算法,如交叉配对规约、交错配对规约、处理两个block数据规约、循环展开等。这些算法可以根据具体的需求选择使用。\[1\] 在CUDA编程,使用原子操作和规约可以提高并行计算的效率和准确性。然而,需要注意的是,在进行规约操作时,必须确保每个步骤的所有线程是同步的,也就是说,所有线程计算完成之后再进入下一步骤的计算,否则会导致结果错误。\[2\]因此,在编写CUDA程序时,需要仔细考虑线程同步的问题,以确保正确的结果。 #### 引用[.reference_title] - *1* [CUDA----规约](https://blog.csdn.net/UCAS_HMM/article/details/126543251)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [CUDA加速——基于规约思想的数组元素求和](https://blog.csdn.net/shandianfengfan/article/details/120407846)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [CUDA学习(十一):原子操作实现向量内积](https://blog.csdn.net/hjxu2016/article/details/109816989)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值