我制作了一个 CUDA 程序，但遇到了一个问题。我有两个功能：
__global__ void cal_freq_pl(float *, char *, char *, int *, int *)__global__ void cal_sum_vfreq_pl(float *, float *, char *, char *, int *)
我这样调用第一个函数：
cal_freq_pl<<<M,512>>>( ... );
M 是一个大约 15 的数字，所以我并不担心。512 是我的 GPU 上每个块的最大线程数。这工作正常，并为所有 M*512 值提供了预期的输出。
但是当我以类似的方式调用第二个函数时：
cal_sum_vfreq_pl<<<M,512>>>( ... );
它不起作用。在调试了那个函数的废话之后，我终于发现它以这些尺寸运行：cal_sum_vfreq_pl<<<M,384>>>( ... );，比 512 少 128。它显示 512 没有错误，但结果不正确。
我目前只能访问 Compute1.0 arch 并且在 Windows 64 位机器上拥有 Nvidia Quadro FX4600 显卡。
我不知道为什么会发生这种行为，我确信第一个函数正在运行 512 个线程，而第二个函数只运行 384 个（或更少）。
有人可以建议一些可能的解决方案吗？
提前致谢...
编辑：这是内核代码：
__global__ void cal_sum_vfreq_pl(float *freq, float *v_freq_vectors, char *wstrings, char *vstrings, int *k){
int index = threadIdx.x;
int m = blockIdx.x;
int block_dim = blockDim.x;
int kv = *k; int vv = kv-1; int wv = kv-2;
int woffset = index*wv;
int no_vstrings = pow_pl(4, vv);
float temppp=0;
char wI[20], Iw[20]; int Iwi, wIi;
for(int i=0;i<wv;i++) Iw[i+1] = wI[i] = wstrings[woffset + i];
for(int l=0;l<4;l++){
Iw[0] = get_nucleotide_pl(l);
wI[vv-1] = get_nucleotide_pl(l);
Iwi = binary_search_pl(vstrings, Iw, vv);
wIi = binary_search_pl(vstrings, wI, vv);
temppp = temppp + v_freq_vectors[m*no_vstrings + Iwi] + v_freq_vectors[m*no_vstrings + wIi];
}
freq[index + m*block_dim] = 0.5*temppp;
}