我在复杂到复杂的异地一维批量 FFT 中使用袖带存储回调（即我正在执行许多相同大小的一维 FFT）。从文档的第 2.9.4 节开始，我希望每个输出都只调用一次此回调。特别是从链接中逐字引用的这句话：

cuFFT 将为输入中的每个点调用一次且仅一次的加载回调例程。类似地，它将为输出中的每个点调用一次存储回调例程，并且仅一次。

尽管如此，我似乎有一个与此相矛盾的例子。在下面的代码中，我希望看到每个数字 0-19 恰好出现一次，对应于每个输出样本只调用一次存储回调。但是，当我执行 504 个大小为 32 的 1D FFT 时，每个输出都会调用存储回调两次！

fft_sz=32, num_ffts=504 的示例输出：

相反，如果我执行 20 个大小为 1024 的 FFT，那么我会得到预期的行为：每个输出都只调用一次存储回调。fft_sz=1024, num_ffts=20 的示例输出：

我是不是误解了什么，我有错误，还是袖带有问题？

我在 Linux Mint 上运行它，在 GeForce GTX 1080 上使用 cuda V8.0.61、g++ 5.4.0：

这是我的编译命令：

我使用 pyculib 在 Anaconda 3.5 中对矩阵执行 3D FFT。我只是按照网站上发布的示例代码进行操作。但我发现了一些有趣的东西，不明白为什么。

numpy.arange仅当用于创建矩阵时，使用 pyculib 对矩阵执行 3D FFT 才是正确的。

这是代码：

最后，结果是False。而且orig和result的区别不是一个小数字，不可忽略。我尝试了一些其他数据集（不是随机数），并得到了一些错误的结果。

另外，我在没有逆 FFT 的情况下进行测试：

结果也是错误的。

网站上的测试代码，他们numpy.arange用来创建矩阵。我试过了：

而且这个矩阵的FFT结果是对的。

谁能帮忙指出原因？

我想使用两个 GPU 来执行一个内核，然后使用 cufftXt 执行一个 FFT。数据大小可能有几 GB。我对在 2 个 GPU 上为内核分配内存的理解是，您应该将主机阵列分成两半并将前半部分发送到 GPU0，另一半发送到 GPU1。以下示例显示了如何做到这一点。

但是，我看不出这种方法如何与 cufftXt 兼容。看来我应该使用辅助函数 cufftXtMemcpy 自动将数据拆分到设备上。但是如果我这样做了，那么上面显示的多 GPU 内核方法将不可用，除非我为 cufftXt 和内核分配单独的设备内存。有没有办法在不双重分配设备内存的情况下同时运行 cufftXt 和内核？

考虑大小为 1920x1080 的图像。如何为 720x960 ROI 做 cufft R2C 和 C2R？

我从https://www.olcf.ornl.gov/tutorials/mixing-openacc-with-gpu-libraries/下载了示例 代码在上面的 mwntioned 链接中给出

1) 使用 pgcc

2) 使用 pgc++

我收到以下错误

cuFFT 的 NVIDIA cuda 文档说“这些批量转换比单个转换具有更高的性能”（更多信息请访问：http ://docs.nvidia.com/cuda/cufft/index.html#ixzz57haP0Mtz 关注我们：@GPUComputing on Twitter | NVIDIA在 Facebook 上）但没有显示任何定量信息。有关加速多少的任何信息？从一个单一的转换我的意思是在一个 for 循环内。

我正在编写可以比较numpy.fft.fft2和pycuda但结果不匹配的代码。此外pycuda，每次的结果都是模棱两可的。

数据文件：https ://nofile.io/f/bjGRQGRVSCG/gauss.npy

我开始怀疑我们是否甚至可以使用 pycuda 执行 2D FFT？

是否允许传递对象而不是指向以下指令的指针

pragma acc host_data use_device(myobject)

这是代码，Pn 是对象，Pn.P 是指向存储数据的数组的指针

运行给出 Seg Fault

我正在我自己的本地机器上（在 Archlinux 和使用 nvidia 驱动程序 390 和 cuda 9.1 的 Ubuntu 16.04 上）和我们的本地 HPC 集群上测试以下代码：

我编译nvcc cuda_test.cu -lcufft

在我的两台本地机器上，代码都运行良好；但是，我尝试在我们的 HPC 集群上使用相同的代码，它会在该硬件/配置上返回 CUFFT_INVALID_DEVICE 错误。这是这些设备的硬件和驱动程序配置。

• 对于一个集群，我们有多个 P100 可用，并且使用 nvidia 驱动程序版本 384.90 和 cuda 版本 8.0.61。
• 在第二个集群上，我们使用带有 nvidia 驱动程序版本 367.44 和 cuda 版本 8.0.44 的 K80。请注意，在此硬件上使用 cuda 版本 7.5.18 运行代码时，上述代码仍会返回错误，但这实际上不会影响代码的执行（据我所知）。

据此， cuda 版本应该可以与可用的驱动程序版本一起使用；但是，当我之前在本地 ubuntu 机器上的驱动程序和 cuda 安装不正确时，我收到了类似的错误。

我完全不知道如何在这里继续，只能想到几件事：

1. 我在本地机器（Titan X、pascal 和 GTX 970）上使用的消费类硬件与集群 HPC 硬件之间存在一些差异。
2. 有一些我没有考虑过的驱动程序配置问题。我尽我所能尝试了不同的 cuda 版本，但它们似乎都不起作用，除了 7.5.18，它返回了相同的错误，但似乎并没有影响性能。
3. cuda 7.5.18 之后 cufft 发生了一些我没有意识到的变化。

注意：这只是一个例子，但我有一个更大的代码库，由于这个错误似乎没有运行，我正在尝试找出当前如何解决这个问题。

感谢您阅读，如果您对如何进行有任何想法，请告诉我！

编辑——在 Rob 的评论之后添加了评论并修复了主代码中的错字。

是否有任何方法可以进一步并行化以下计算区域中的循环，替换 #pragma acc loop 指令由 PGI 18.1 引入

许多 cuda 计划是否已经解决了这个问题？