CUDA 在设备上静态分配数据答案

【问题标题】：CUDA statically allocating data on deviceCUDA 在设备上静态分配数据
【发布时间】：2011-05-11 11:14:48
【问题描述】：

我一直在尝试分配一个可以被每个内核函数访问的变量。我的尝试是下面附加的代码，但它不会编译，因为内核无法查看 dArray 访问。在 C++ 中，您可以将变量放在顶部或声明 static 以在整个程序的每个范围内访问。

__global__ void StoreThreadNumber()
{
    dArray[threadIdx.x] = threadIdx.x;
}

int main( int argc, char** argv)
{
    unsigned __int8 Array[16] = { 0 };
    unsigned __int8 dArray[16];

    for( __int8 Position = 0; Position < 16; Position++)
        cout << Array[Position] << " ";
    cout << endl;

    cudaMalloc((void**) dArray, 16*sizeof(__int8));
    cudaMemcpy( dArray, Array, 16*sizeof(__int8), cudaMemcpyHostToDevice);

    StoreThreadNumber<<<1, 16>>>();

    cudaMemcpy( Array, dArray, 16*sizeof(__int8), cudaMemcpyDeviceToHost);

    for( __int8 Position = 0; Position < 16; Position++)
        cout << Array[Position] << " ";
    cout << endl;

    cudaFree(dArray);
}

【问题讨论】：

标签： c++ cuda parallel-processing nvcc

【解决方案1】：

您可以在 CUDA 中拥有__device__ 或__constant__ 类型的全局变量。因此，例如，如果您使用cudaMemcpyToSymbol() 将__constant__ 指针变量初始化为设备指针的地址，那么您可以通过__constant__ 变量访问该指针：

__constant__ int* dArrayPtr;

__global__ void StoreThreadNumber()
{
    dArrayPtr[threadIdx.x] = threadIdx.x;
}

只需确保在运行内核之前从主机代码正确初始化 dArrayPtr。

【讨论】：

【解决方案2】：

你不能。您必须将指向 dArray 的指针传递给内核。

我遇到了同样的问题，必须将大量全局数据传递给 gpu。我最终将它全部包装在一个结构中并传递一个指向它的指针。

【讨论】：