问题标签 [curand]

CUDA 对Mersenne Twister( MT) 随机数生成器的实现仅限于线程/块256和200块/网格的最大数量，即最大线程数是51200。

因此，无法启动使用 MT 的内核

在哪里

是线程的n总数。

MT使用for的最佳方式是threads > 51200什么？

我的方法是否为 and 使用常量值blocksPerGrid，threadsPerBlock例如<<<128,128>>>并在内核代码中使用以下内容：

我不确定这是否是正确的方式，或者它是否会以不希望的方式影响 MT 状态？

谢谢你。

问题How to generate random number inside pyCUDA kernel？，即

使用这个经典示例，激活的随机数生成器是什么（XORWOW、MTGP32、其他）？

如何从内核中更改随机数生成器？

我正在尝试使用ManagedCuda编译使用currand library的内核。但是，我找不到告诉 CudaRuntimeCompiler 如何找到 curand.h 的方法。

如果我删除 ' #include <curand.h>' 行，一切正常。但是有了它，我得到：

使用完全限定的 include ( #include <C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include\curand.h>) 让我更进一步，所以这显然只是告诉编译器在哪里查找的一个例子。

我尝试将文件夹添加到路径中，但无济于事。

谁知道这个可以在哪里设置？（或者知道 ManagedCuda 的替代包？）

下面的所有代码。

C#代码：

内核.c

从 NuGet 安装 MangedCuda-100 (10.0.31) 和 ManagedCuda-NVRTC (10.0.31)。

我正在研究入侵物种的传播，并尝试使用 XORWOW 随机数生成器在 PyCUDA 内核中生成随机数。我需要能够在研究中用作输入的矩阵非常大（高达 8,000 x 8,000）。

get_random_number索引curandState*XORWOW 生成器时，错误似乎发生在内部。该代码在较小的矩阵上执行没有错误并产生正确的结果。我在 2 个 NVidia Tesla K20X GPU 上运行我的代码。

内核代码和设置：

数据设置：

内核调用：

我希望能够为最大 (8,000 x 8,000) 的矩阵生成范围 (0,1] 内的随机数，但是在大型矩阵上执行我的代码会导致非法内存访问错误。

我索引curandState*不正确get_random_number吗？如果不是，还有什么可能导致此错误？

我想在 pyCuda 内核中使用 Mersenne Twister 随机生成器进行数值实验。通过互联网，我没有找到如何做到这一点的简单示例，因此，我尝试从 Cuda 文档和 pyCuda 示例（下面的 pyCuda 代码）构建一些东西。

如何正确完成？

谢谢你。

I am trying to generate "random" numbers from a uniform distribution inside a CUDA __global__ kernel using two different approaches. The first is using the cuRAND device API, and the second is using thrust. For each approach I have created a different class.

Here is my cuRAND solution:

And here is my thrust solution:

The way I use them is the following:

Both of them work but the cuRAND solution is much slower (more than 3 times slower). If I set the second parameter of curand_init (sequence number) to 0, then the performance is the same as that of the thrust solution, but the random numbers are "bad". I can see patterns and artefacts in the resulting distribution.

Here are my two questions:

• Can someone explain to me why the cuRAND solution with a non-zero sequence is slower?
• How can thrust be as fast as cuRAND with zero sequence, but also generate good random numbers?
• While searching on Google, I noticed that most people use cuRAND, and very few use thrust to generate random numbers inside device code. Is there something I should be aware of? Am I misusing thrust?

Thank you.

我在 CUDA 统一内存 [ 2 ] 上使用 PyCUDA 的接口 [ 1 ]。在某些时候，我添加了随机数生成器 [ 3 ] 并盯着 Jupyter Notebook 中的死内核：

我将问题缩小到创建随机数生成器。或者，准确地说，到我这样做的那一刻：

上面的代码在没有任何错误消息的情况下失败，但是如果我将gpu_generator = ...行放在更高或更低的一行，它似乎可以正常工作。

我相信 PyCUDA 可能会以某种方式无法执行preparecall，这归结为这个内核：

知道可能是什么问题吗？

我正在尝试计算 curand_uniform() 返回 1.0 的次数。但是我似乎无法让以下代码为我工作：

我收到终端错误（在 linux 上）：

我正在这样编译：

我不明白这个错误信息。

当我将 numPaths 增加到 1000000 时，下面的 Monte-Carlo 代码失败（“进程以代码 -2147483645 退出”，价格函数的输出不会被打印），除非我同时减少 numSteps。如果我删除对 curand 的所有引用并使用固定数字，代码总是有效，所以我认为问题与生成太多随机数有关。我尝试使用每个线程的新种子而不是新的子序列来调用 curand_init，但它没有解决问题。

另外，我在使用 Thrust 而不是 curand 生成随机数时遇到了同样的问题。

有人可以帮忙吗？