3

我正在阅读 CURAND 库 API，我是 CUDA 的新手，我想看看是否有人可以向我展示一个使用 CURAND 库生成随机数的简单代码。我正在研究生成大量用于离散事件模拟的数字。我的任务只是开发算法以使用 GPGPU 来加速随机数的生成。我已经在标准 C 语言编程中实现了 LCG、乘法和斐波那契方法。但是我想将这些代码“移植”到 CUDA 中，并利用线程和块来加速生成随机数的过程。

链接 1：http ://adnanboz.wordpress.com/tag/nvidia-curand/

那个人有我需要的两种方法（LCG 和 Mersenne Twister），但代码没有提供太多细节。我想知道是否有人可以扩展这些初始实现，以真正为我指明如何正确使用它们的正确方向。

谢谢！

4

1 回答 1

4

您的问题具有误导性-您说“为傻瓜使用 cuRAND 库”，但您实际上并不想使用 cuRAND。如果我理解正确，您实际上想从头开始实现自己的RNG，而不是使用 cuRAND 中可用的优化 RNG。

  1. 第一个建议是重新考虑使用自己的 RNG 的决定，为什么不使用 cuRAND？如果统计属性适合您的应用程序，那么您最好使用 cuRAND，因为它已针对所有代 GPU 进行了调整。它包括 Marsaglia 的 XORWOW、l'Ecuyer 的 MRG32k3a 和MTGP32 Mersenne Twister（以及用于 Quasi-RNG 的 Sobol'）。
  2. 您还可以查看Thrust，它具有一些简单的 RNG，例如Monte Carlo 示例。
  3. 如果您真的需要创建自己的生成器，那么GPU Computing Gems（翡翠版，第 16 章：随机数生成器的并行化技术）中有一些有用的技术。

作为旁注，请记住，虽然简单的 LCG 快速且易于跳过，但它们通常具有相当差的统计特性，尤其是在使用大量平局时。当您说您将需要“Mersenne Twister”时，我假设您的意思是 MT19937。参考的 Gems 书中谈到了并行化 MT19937，但最初的开发人员创建了 MTGP 生成器（上面也提到过），因为 MT19937 实现跳过相当复杂。

另请注意，仅使用不同的种子来实现并行化通常是一个坏主意，从统计上讲，您不能保证独立性。您要么需要跳过或跳跃，要么使用其他一些技术（例如DCMT）来确保序列之间没有相关性。

于 2012-09-11T09:38:22.223 回答