如何在 GPU 上复制 OpenACC 中分配的向量指针内存向量答案

【问题标题】：How to copy on GPU a vector-of-vector-pointer-memory-allocated in OpenACC如何在 GPU 上复制 OpenACC 中分配的向量指针内存向量
【发布时间】：2019-05-20 11:46:30
【问题描述】：

我正在尝试在 GPU 上复制向量数组的向量。

我尝试使用 OpenACC 复制子句。 copyin 子句不会复制我的数组的所有基础数据。当我尝试访问底层矢量数据时，在运行时出现“非法地址访问”错误。

vector<int32_t> *k1p = new vector<int32_t>[bin_num];
for (int i = 0; i < bin_mum; i++) {
  //......
  k1p[i].push_back(i);
}
#pragma acc kernels loop independent copyin(k1p[0:bin_num])
for (int i = 0; i < bin_mum; i++) {
  //........
  for (vector<int32_t>::const_iterator i2_it=k1p[i].begin(); i2_it!=k1p[i].end(); i2_it++) {
    //.......
  }
  //..........
}

我想访问底层向量k1p[i]的元素，但实际上这段代码是用pgi编译器编译的，但是当我运行这段代码时，我得到了

调用 cuStreamSynchronize 返回错误 700：内核执行期间地址非法

【问题讨论】：

标签： c++ stdvector openacc

【解决方案1】：

OpenACC 数据子句只执行对象的浅拷贝。由于“向量”是三个指针的集合，这意味着将向量放在 copyin 子句中只会复制指针，而不是它指向的数据。

假设您使用 PGI，最简单的做法是使用 CUDA 统一内存（即添加标志“-ta=tesla:managed”），并让 CUDA 运行时为您管理数据移动。

否则，您需要对向量执行手动深拷贝。这可能有点棘手，尤其是向量，所以如果你需要一个例子，请告诉我。

【讨论】：

感谢您的回复@Mat Colgrove。拜托，我需要一个例子。

【解决方案2】：

再次，我强烈建议在设备上使用 C++ 向量时使用 CUDA 统一内存（托管）。向量是具有三个私有指针的容器类型。给定 OpenACC 复制或更新执行浅复制，当将向量放入数据区域时，您将复制指针，而不是它们指向的数据。更糟糕的是，由于指针是私有的，它们不能用设备指针更新。

相反，您需要创建一个临时指针数组来隐藏向量数组的数据，然后在设备上使用这个临时变量。类似于以下内容：

% cat vector.data.cpp
#include <iostream>
#include <vector>
#include <cstdint>

using namespace std;

int main() {
   const int bin_num = 1024;
   long sum = 0;

   vector<int32_t> *k1p = new vector<int32_t>[bin_num];
   for (int i = 0; i < bin_num; i++) {
       k1p[i].push_back(i);
   }

   int32_t ** temp = new int32_t*[bin_num];
   int * sizes = new int[bin_num];
   #pragma acc enter data create(temp[0:bin_num][0:0])
   for (int i = 0; i < bin_num; i++) {
      int sze = k1p[i].size();
      sizes[i] = sze;
      temp[i] = k1p[i].data();
      #pragma acc enter data copyin(temp[i:1][:sze])
   }
   #pragma acc enter data copyin(sizes[:bin_num])

  #pragma acc parallel loop gang vector reduction(+:sum) present(temp,sizes)
  for (int i = 0; i < bin_num; i++) {
     for (int j=0; j< sizes[i]; ++j) {
         sum += temp[i][j];
     }
  }
  cout << "Sum: " << sum << endl;
  #pragma acc exit data delete(sizes)
  #pragma acc exit data delete(temp)
  delete [] sizes;
  delete [] k1p;
}

% pgc++ vector.data.cpp --c++11 -ta=tesla  -V18.10
% a.out
Sum: 523776

使用托管内存时，地址位于主机和设备均可访问的统一内存空间中。因此，当您访问“开始”和“结束”时，它们在设备上返回的地址是有效的。例如：

% cat vector.cpp
#include <iostream>
#include <vector>
#include <cstdint>
using namespace std;

int main() {
   const int bin_num = 1024;
   long sum = 0;
   vector<int32_t>::const_iterator i2_it;

   vector<int32_t> *k1p = new vector<int32_t>[bin_num];
   for (int i = 0; i < bin_num; i++) {
       k1p[i].push_back(i);
   }

#pragma acc parallel loop reduction(+:sum) private(i2_it)
  for (int i = 0; i < bin_num; i++) {
    for (i2_it=k1p[i].begin(); i2_it!=k1p[i].end(); i2_it++) {
         sum += *i2_it;
     }
  }
  cout << "Sum: " << sum << endl;
}

% pgc++ vector.cpp --c++11 -ta=tesla:managed -V18.10
% a.out
Sum: 523776

另一种选择是编写你自己的类向量。作为Parallel Programming with OpenACC 第 5 章的一部分，我编写了一个基本示例来说明如何执行此操作。代码示例可以在https://github.com/rmfarber/ParallelProgrammingWithOpenACC找到

【讨论】：