我有一些包含SAL功能的主机代码。 SAL函数用于处理大数据。我想在CUDA设备中采用相同的功能，并分析主机和设备的执行时间。但是，由于SAL函数是用于主机/ CPU的，因此如何在GPU上允许它们，还是可以从GPU端调用SAL函数？
例如，
cvabsx((COMPLEX *)in, 2, out, 1, size, 0);
上面的SAL函数计算复数的大小。现在，我想在GPU端进行调整。这该怎么做？还是有其他比SAL执行速度更快的库？
最佳答案
您不能在设备上使用针对x86使用（即仅用于主机代码使用，仅使用主机代码编译器）进行编译的库。
显然，GPU兼容的库（例如CUBLAS和许多其他库）可以与GPU一起使用。但是对于大多数普通的编译库，它们不能直接与GPU一起用于设备代码中。
如果可以访问该库的源代码，则（理论上）应该可以遍历该库的源代码，并根据需要用__host__ __device__装饰函数，然后使用以下方法重新编译该库的源代码： nvcc编译器，以生成具有在设备代码中可用的功能的版本。 （如果它是模板化/标头库，则可能只需修饰库代码，然后重新编译您的应用程序即可。）
根据库的实现，这可能是一项非常艰巨的任务。
关于c - 是否可以在CUDA设备中使用SAL(科学算法库)？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29115400/