3

我正在为粒子传输编写一个简单的蒙特卡罗模拟。我的方法是为 CUDA 编写内核并将其作为 Mathematica 函数执行。

核心：

#include "curand_kernel.h"
#include "math.h"

extern "C" __global__ void monteCarlo(Real_t *transmission, mint seed, mint pathN) {
curandState rngState;

int index = threadIdx.x + blockIdx.x*blockDim.x;

curand_init(seed, index, 0, &rngState);

if (index < pathN) {
    //-------------start one packet run----------------------

    float packetWeight = 1.0;
    int m = 0;

    while(packetWeight > 0.0){

        //MONTE CARLO CODE

        // Test: still in the sample?
            if(z_coordinate > sampleThickness){
                packetWeight = 0;
                z_coordinate = sampleThickness;
                transmission[index]=1;
            }
        }
    }
    //-------------end one packet run------------------------
}
}

数学代码：

Needs["CUDALink`"];
cudaBM = CUDAFunctionLoad[code, 
"monteCarlo", {{_Real, "Output"}, _Integer, _Integer}, 256, 
"UnmangleCode" -> False];


pathN = 100000;
result = 0;  (*count for transmitted particles*)
For[j = 0, j < 10, j++,
   buffer = CUDAMemoryAllocate["Float", 100000];
   cudaBM[buffer, 1490, pathN];
   resultOneRun = Total[CUDAMemoryGet[buffer]];
   result = result + resultOneRun;
];

到目前为止，一切似乎都可以正常工作，但与没有 CUDA 的纯 C 代码相比，速度提升微乎其微。我有两个问题：

  1. curand_init() 函数在每个求和步骤开始时由所有线程执行 -> 我可以为所有线程调用一次此函数吗？
  2. 内核返回给 Mathematica 一个非常大的实数数组（100 000）。我知道，CUDA 的瓶颈是 GPU 和 CPU 之间的通道带宽。我只需要列表中所有元素的总和，因此在 GPU 中计算列表元素的总和并只向 CPU 发送一个实数会更有效。
4

2 回答 2

0

1）如果您需要为所有线程执行一次 curand_init() ，您可以在 CPU 中执行此操作并将其作为参数传递给 CUDA 吗？

2) 求和并返回您的值的“ device float sumTotal”函数怎么样？您是否将尽可能多的*传输数据复制到共享内存缓冲区中？

于 2013-01-09T14:45:04.073 回答
0

根据 CURAND 文档，“对 curand_init() 的调用比对 curand() 或 curand_uniform() 的调用慢。对 curand_init() 的大偏移量比较小的偏移量花费更多时间。保存和恢复随机生成器状态比反复重新计算起始状态。”

http://docs.nvidia.com/cuda/curand/index.html#topic_1_3_4

另请查看此线程以获取更多详细信息 CUDA 程序导致 nvidia 驱动程序崩溃

于 2013-01-09T19:44:43.920 回答