在 Numba 中，以 CUDA 为目标时，如何将数组复制到常量内存中？

Question

我有一个说明问题的示例代码：

import numpy as np
from numba import cuda, types
import configs


def main():
    arr = np.empty(0, dtype=np.uint8)

    stream = cuda.stream()
    d_arr = cuda.to_device(arr, stream=stream)
    kernel[configs.BLOCK_COUNT, configs.THREAD_COUNT, stream](d_arr)


@cuda.jit(types.void(
    types.Array(types.uint8, 1, 'C'),
), debug=configs.CUDA_DEBUG)
def kernel(d_arr):
    arr = cuda.const.array_like(d_arr)


if __name__ == "__main__":
    main()

当我使用 cuda-memcheck 运行此代码时，我得到：

numba.errors.ConstantInferenceError: Failed in nopython mode pipeline (step: nopython rewrites)
Constant inference not possible for: arg(0, name=d_arr)

这似乎表明我传入的数组不是常量，因此无法将其复制到常量内存中——是这样吗？如果是这样，我如何将作为输入提供给内核的数组复制到常量内存？

Answer 1

您不会使用作​​为输入提供给内核的数组复制到常量数组。 该类型的输入数组已经在设备中，设备代码无法写入常量内存。

只能从主机代码写入常量内存，并且常量语法要求数组是主机数组。

这是一个例子：

$ cat t32.py
import numpy as np
from numba import cuda, types, int32, int64

a = np.ones(3,dtype=np.int32)
@cuda.jit
def generate_mutants(b):
    c_a = cuda.const.array_like(a)
    b[0] = c_a[0]

if __name__ == "__main__":
    b = np.zeros(3,dtype=np.int32)
    generate_mutants[1, 1](b)
    print(b)
$ python t32.py
[1 0 0]
$

请注意，与 CUDA C/C++ 相比，Numba CUDA 中的常量内存实现存在一些行为差异，issue 重点介绍了其中一些。