问题标签 [dynamic-parallelism]

我正在尝试使用 OpenACC 的嵌套功能来激活我的 gpu 卡的动态并行性。我有 Tesla 40c，我的 OpenACC 编译器是 PGI 版本 15.7。

我的代码很简单。当我尝试编译以下代码时，编译器会返回这些消息

我的代码结构：

我还尝试更改我的代码以使用例程指令。但我无法再次编译

我当然只尝试过没有内部并行循环指令的例程（seq，worker，gang） 。它一直是编译器，但尚未激活动态并行性。

我应该如何在 OpenACC 中使用动态并行性？

我有一个如下所示的 CUDA 内核：

主机代码：

当这个内核运行 inline kernel<<<1,2>>>()、构建和链接（在 eclipse Nsight 中）时，内核运行完全正常并按 预期out返回。0.02

-G如果我使用（生成设备调试符号）将内核编译成 .cubin ，那么 cublas 函数永远不会运行，并且out总是0.0

我可以在 .cubin 运行时设置断点，我可以看到进入 cublas 函数的数据是正确的，但看起来 cublas 函数根本不会运行。cublas 函数也总是返回 0 CUDA_SUCCESS。重要的是，这仅在从 .cubin 运行时发生

要编译为我正在使用的 cubin -G：

不返回任何错误。

如果添加该选项，为什么 .cubin 中的 cublas 函数会停止工作-G？

CUDA 7.0 linux 14.04 x64 980GTX

我正在尝试将开普勒的动态并行性用于我的一个应用程序。子内核中需要启动子内核的线程（在父内核中）的全局索引。换句话说，我想在子内核中访问父级的内置坐标变量。

有没有规范的方法可以做到这一点？或者我应该只计算父线程的全局索引（使用内置变量，如threadIdx.x等）并通过子内核的一个参数传递它？

我正在尝试做的事情：

在 GPU 上，我试图模仿 SQL 在关系代数中使用的约定来对表执行连接（例如内连接、外连接、交叉连接）。在下面的代码中，我想要执行内部联接。想象两张表（容器），其中一张是父/主表，另一张是子表。父子连接关系是一对多（或一对无，如果 Child_ParentIDs 中没有与 Parent_IDs 中的元素匹配的元素）。

示例输入数据：

作为 SQL 查询的操作：

操作说明：

将 Child_ParentIDs 加入 Parent_IDs 以访问相应的 Parent_Values。使用相应的 Parent_Values 与相应的 Child_Permanences 相乘，并将每个操作的结果放入 Child_Values。

预期输出（Child_Values 是操作期间唯一更改的向量）：

解释（以防它没有意义）：

2226 的值是通过将 106 和 21 相乘得出的。10439 是通过将 143 和 73 相乘得出的。还要注意，所有条目都保留在子向量上（所有 7 个元素仍然存在于输出中，尽管 Child_Values 单个元素已更新）。父向量不会保留在输出中（请注意，向量列表中缺少 ParentID 4，并且那里没有“虚拟”占位符）。这是“内部联接”的行为。

我还没有开始工作的优雅解决方案的想法：

- 利用 CUDA 的动态并行性。也许我在整个互联网上发现的唯一解决方案正是我想要做的事情是here-part 1和here-part 2。

- 使用 CUDPP 的哈希运算；

-Alenka DB。

最后，我的问题再次重申：

从纯粹的 GPU 角度来看，是否有任何可行的解决方案（最好使用 CUDA，但 OpenCL 也可以）用于在两个单独的数据容器上完成关系连接，以便可以搜索数据并通过所述连接并行更新元素？

编辑
Parent_IDs 并不总是一个序列。在运行时，可能会删除父向量中的元素。新插入的父元素将始终附加一个从最后一个元素的 ID 播种的 ID。话虽如此，我理解这意味着子元素可能是孤立的，但我没有在这里解决解决方案。

我正在尝试对 CUDA 使用动态并行性，但我无法完成编译步骤。

我正在使用具有 Compute Capability 3.5 和 CUDA 7.5 版的 GPU。

根据我使用的编译命令中的开关，我收到不同的错误消息，但使用文档，

• 我到达了导致成功编译的一行：

  但是当程序启动时，所有程序都失败了。使用 CUDA-memcheck，每次调用 API 函数，我都会收到相同的错误消息：

  /li>

• 我也尝试过这一行（取自 CUDA 动态示例 makefile）：

  但在执行后，我得到：

  /li>

我想了解如何正确编译 CUDA 动态代码，因为到目前为止我尝试过的所有其他编译行都失败了。

我正在尝试在 CUDA 上编译一个动态并行示例，当我尝试编译它时会给出错误提示，

kernel launch from __device__ or __global__ functions requires separate compilation modes

后来发现我必须将--relocatable-device-code标志设置为true. relocatable-device-code但是，为了true在 Nsight Eclipse 中进行设置，是否需要设置一个标志？

我有以下最小.cu文件

如您所见，test内核甚至没有被调用，而是cudaMalloc返回30（未知错误）。该文件正在使用可分离编译（动态并行性所需）和计算能力 5.2（也尝试过 3.5 和 5.0，它们没有改变任何东西）进行编译。删除对返回cublasCreate原因的调用（无错误）。cudaMalloc0

可能是什么原因？我该如何解决？我需要使用理论上支持的动态并行性从内核调用 CUBLAS ，因此“只需删除调用”不是一个选项。

这是对应的CMakeLists.txt：

下面是一组理论上类似的编译命令（结果至少是一样的）：

为了测试动态并行性，我编写了一个简单的代码并在 GTX1080 上使用以下命令对其进行编译。

但是，输出并不像预期的那样。似乎传递给子内核的指针被取消引用。

这是输出：

从编程指南中阅读，我应该能够将全局变量传递给子内核而不会引起任何延迟。我不确定为什么输出不正确。我的最终目标是在内核中使用 cublas 库。朝这个方向提出的任何建议也会有所帮助。

我正在尝试编写一个在内核内部执行多个向量点积的代码。我正在使用cublas库中的cublasSdot函数来执行矢量点积。这是我的代码：

我已包含 cublas_v2 库并使用以下命令编译代码：

但我收到以下消息：

谁能让我知道我应该怎么做？

虽然我已经编写了一段时间的 CUDA 内核，但我还没有使用动态并行 (DP)。我遇到了一项我认为可能适合的任务；但是，我希望能够使用 DP 的方式是：

如果 block 发现它需要更多线程来完成它的工作，它就会产生它们；它将“它所知道的”传递给它的衍生线程——本质上，它的共享内存的内容，每个衍生线程块在其自己的共享内存中获得一份副本；线程使用它们的父线程“知道”的东西来确定他们需要继续做什么，然后去做。

但是，AFAICT 不会发生这种共享内存的“继承”。全局内存（和通过内核参数的常量内存）是“父”DP内核块可以将信息传递给其“子”块的唯一方式吗？