有人在 Cuda4 上成功测试过这个功能吗？似乎我无法让它正常工作，不确定这是我的代码中的错误还是该功能尚未完全实现。
例如，我想在将内存从 1 个 gpu 复制到另一个 gpu 后进行内核调用。流 0，mem0 在 gpu0 上创建流 1，mem1 在 gpu1 上创建。两者都是费米特斯拉（C2070）
cudaMemcpyAsync( mem1, mem0, size, cudaMemcpyDefault, stream0 );
cudaEventRecord(P2Pevent, stream0);
cudaStreamWaitEvent(stream1, P2Pevent, 0);
cudaKernel<<<block,thread,0,stream1>>>(mem1);
有时似乎内存还没有为内核准备好，所以结果不正确。如果我在 Gpu0 上添加一个 cudaDeviceSynchronize 那么它工作正常。
谢谢