Cuda GPU编译，我认为它没有使用GPU [关闭]

Question

我尝试学习 CUDA。太像了 C. 我尝试在我的 GPU 中运行一些代码。 但我认为这并不快，我认为这与我的代码有关。 我想只有我的 __global__ void func(ull* num1, ull* num2, ull* sum) 在 GPU 上工作。 这就是我要的。但这并不快。我该怎么办。

typedef uint64_t ull;

#define E1 1
#define E2 5000000000000000

__global__ void func(ull* num1, ull* num2, ull* sum)
{
    for (ull i = *num1; i <= *num2; i++)
    {
        sum[0] += i;
    }
}

int main()
{
    ull n1 = E1;
    ull n2 = E2;
    ull sum = 0;

    ull* d_n1;
    ull* d_n2;
    ull* d_sum;

    cudaMalloc(&d_n1, sizeof(ull));
    cudaMalloc(&d_n2, sizeof(ull));
    cudaMalloc(&d_sum, sizeof(ull));

    cudaMemcpy(d_n1, &n1, sizeof(ull), cudaMemcpyHostToDevice);
    cudaMemcpy(d_n2, &n2, sizeof(ull), cudaMemcpyHostToDevice);
    cudaMemcpy(d_sum, &sum, sizeof(ull), cudaMemcpyHostToDevice);

    func <<<1,1000>>> (d_n1, d_n2, d_sum);

    cudaMemcpy(&sum, d_sum, sizeof(ull), cudaMemcpyDeviceToHost);

    std::cout << sum << std::endl;

    cudaFree(d_n1);
    cudaFree(d_n2);


    return 0;
}

Answer 1

GPU 和 CUDA 并不是“神奇地使程序快速运行”的技术。您必须并行化您的算法并使用多个线程。

目前您的代码将在所有涉及的内核上的非常相同内存上执行非常相同的操作，这不仅浪费资源，而且会绊倒它自己的脚，因为所有指向同一位置的并发内存地址会相互损害。

同时对数组求和也不是“微不足道”的事情。您必须拆分和合并任务，递归处理。

您确实、绝对必须了解 GPU 的工作原理以及如何利用它们带来的好处。