问题标签 [cufft]

racecheck 工具报告了我的应用程序的内存竞争。我已将其与 CUFFT 执行功能隔离开来。

难道我做错了什么？如果没有，我怎样才能让racecheck忽略这个？

这是一个最小的示例，当运行时cuda-memcheck --tool racecheck会产生一堆“危险”，例如

这个例子

我正在使用 cuda 7.5 版cufft来执行一些 FFT 和逆 FFT。使用cufftExecC2R(.,.)函数执行逆 FFT 时出现问题。

实际上，当我在中使用 abatch_size = 1时，cufftPlan1d(,)我得到了正确的结果。但是，当我增加批量大小时，结果不正确。

我正在粘贴一个示例最小代码来说明这一点。请忽略代码的肮脏，因为我刚刚快速创建了它。

我无法找出我的代码中的错误在哪里以及我缺少哪些信息。

使用时的示例输出BATCH_SIZE = 1

使用时的示例输出BATCH_SIZE = 2

使用 cuFFT 回调构建 CUDA 8.0 项目需要使用静态链接的 cuFFT 库并使用（-dc 编译器选项）将代码编译为可重定位设备代码。我一直无法使用 CUFFT_STATIC_LIBRARY 等使用 CMake v3.7.0 来实现这一点。任何人都能够使用 CMake 构建这样的项目吗？

我的项目 CMakeLists.txt 中用于动态链接 cuFFT 库的相关表达式：

我已经使用袖带进行研究，但是使用它时遇到了一些问题。我的步骤如下：

1. 使用 R2C 对图像进行正向 FFT
2. 将核系数与复数结果相乘
3. 使用 C2R 对乘法结果进行逆 FFT

但是，当我使用复数结果与核相乘时，出现了一个严重的问题，cufft 复数结果不等于 fftw 的结果，结果中有很多零。我知道 R2C 的结果大小是 N1(N2/2+1)，但我想得到完整的复杂结果。如何解决这个问题呢？即如何恢复R2C结果？以及如何将相乘的结果放入C2R并得到正确答案？

我的实现程序代码如下：

我在这里关注使用cuFFT库的教程：http: //gpgpu.org/static/sc2007/SC07_CUDA_3_Libraries.pdf

在逐行执行其代码之后，我得到了非常奇怪的结果。

我有一个sNxN数组的输入数据float。该程序进行FFT正向变换，求解泊松方程，然后进行逆向变换FFT。输入数据（和输出数据）称为边长为的正方形图像N。当我注释掉时solve_poisson <<<dimGrid, dimBlock>>> (r_complex_d, kx_d, ky_d, N);，它会正确地对数据进行正向变换，然后执行逆变换，这会导致输出数据与输入数据相同。这是应该发生的。

这是没有调用solve_poisson方法的输出。

但是，当我取消注释该solve_poisson方法时，输出数据为infor nan，这使我相信该方法中的比例变量在某种程度上接近于零solve_poisson。所以我float scale = -(kx[idx] * kx[idx] + ky[idy] * ky[idy]);改为float scale = -(kx[idx] * kx[idx] + ky[idy] * ky[idy]) + 0.00001f. 此更改不在原始教程中。此处计算的结果不应具有极端的正值或负值。

在本教程中，43页面幻灯片上的示例计算22是computed=0.975879 reference=0.975882，但我的结果完全不同并且非常大。

以下代码是我使用的。

有什么我搞砸的吗？如果有人可以帮助我，我将不胜感激。

I need to convert this line (MATLAB) to CUDA:

My current implementation is for this line (without 'symmetric' flag):

This is my CUDA implementation:

Please advise - how to do inverse fft symmetric via CUDA?

我正在使用带有 ipython 3.6.1 的 anaconda 套件及其加速包。这两个函数 fft 和 ifft 中有一个cufft子包。据我了解，这些都在系统内存中接收一个 numpy 数组并输出到一个 numpy 数组，即所有 gpu 内存以及系统和 gpu 内存之间的传输都是自动处理的，并且 gpu 内存在函数结束时被释放。这似乎一切都很好，似乎对我有用。但是，我想在同一个数组上运行多个 fft/ifft 调用，并且每次只从数组中提取一个数字。将数组保存在 gpu 内存中以最小化系统 <-> gpu 传输会很好。我是否正确，这是不可能使用这个包？如果是这样，是否有另一个包可以做同样的事情。我注意到了reikna项目，但这似乎在 anaconda 中不可用。

我正在做的事情（并且希望在 gpu 上有效地做）在这里使用 numpy.fft 简而言之

提前致谢！

我正在使用 Alea GPU 使用 C# 语言在 GPU 上编程。我在 Visual Studio 2017 项目上安装了 Alea 3.0.4，但我找不到一些 cuFFT 库。在 NVidia 的网站上，cuFFT 是 CUDA Toolkit 的一部分，所以我不需要下载额外的 CUDA 库。我是否需要下载一些额外的绑定或者可以将 cuFFT 与 Alea GPU 一起使用？

在 Matlab 中，当我输入一个复数的一维数组时，我有一个具有相同大小和相同维度的实数的数组的输出。尝试在 CUDA C 中重复此操作，但输出不同。你能帮忙吗？在 Matlab 中，当我输入 ifft(array)

我的arrayOfComplexNmbers：

我的arrayOfRealNumbers：

当我进入ifft(arrayOfComplexNmbers)Matlab 时，我的输出是arrayOfRealNumbers. 谢谢！这是我的 CUDA 代码：

我是一名初学者，试图学习如何使用 GPU 执行高速计算。我正在尝试使用 GPU 实现一个简单的 FFT 程序。下面是我用于使用 CPU 内核计算 FFT 的程序。

现在下图是使用imshow()函数绘制时作为频谱图的输出：

定时输出如下：

现在我使用 Anaconda 提供的 pyculib 和 numba 包重写上述程序以使用我的 PC 的 GPU，即 Quadro K2200。

我运行上述程序时的时序输出显示，GPU 实现实际上多花了 30 秒。

我猜这是因为我反复将数组复制到设备上并为每一帧取回它。有没有更好的方法来实现这一点？我真的很想知道我在这里做错了什么的任何意见。

下面我粘贴 GPU 实现的输出。

编辑：添加分析结果

对于 CPU 代码：根据累积时间排序的前 20 个函数调用

对于 GPU 代码：基于累积时间排序

pyculib 的 fft 函数大约需要 20 秒，而 numpy fft 大约需要 0.6 秒。为什么 pyculib 的功能需要这么长时间？有没有办法改进代码以缩短这段时间？还是使用不同的库更好？