c++ - CUDA-简单复数乘法

我正在尝试通过编写基本代码来学习CUDA，这有望使我处于一个更好的位置，将现有的C++代码转换为CUDA(用于研究)。

我需要对复数进行相当多的操作，因此我编写了这个非常基本的代码，以将复数数组与实数相乘
在GPU内核中。

#include <complex>
#include <iostream>
#include <cmath>
#include "cuda.h"
#include "math.h"
#include "cuComplex.h"

#define n   5

using namespace std;

#define gpuErrchk(ans) { gpuAssert((ans), __FILE__, __LINE__); }
inline void gpuAssert(cudaError_t code, char *file, int line, bool abort=true)
{
    if (code != cudaSuccess)
    {
        fprintf(stderr,"GPUassert: %s %s %d\n", cudaGetErrorString(code), file, line);
        if (abort) exit(code);
    }
}

__global__ void func( double *s, cuDoubleComplex *j, cuDoubleComplex *calc ) {

    int tid = blockIdx.x;

    calc[tid] = cuCmul(j[tid], make_cuDoubleComplex(*s, 0));

}

int main( void ) {


    cuDoubleComplex calc[n+1], *dev_j, *dev_calc;
    double *dev_s, s[n+1] = { 2.0, 2.0, 2.0, 2.0, 2.0 };
    //complex<double> j[n+1]
    cuDoubleComplex j[n+1];

    for (int i = 1; i <= n; i++) {
        j[i] = make_cuDoubleComplex(0, 5);
        cout << "\nJ cout = " << cuCreal(j[i]) << ", " << cuCimag(j[i]);
    }

    // allocate the memory on the GPU
    cudaMalloc( (void**)&dev_s, (n+1) * sizeof(double) );
    cudaMalloc( (void**)&dev_j, (n+1) * sizeof(double) );
    cudaMalloc( (void**)&dev_calc, (n+1) * sizeof(double) );

    cudaMemcpy( dev_s, s, (n+1) * sizeof(double), cudaMemcpyHostToDevice );
    cudaMemcpy( dev_j, j, (n+1) * sizeof(double), cudaMemcpyHostToDevice );

    func<<<n,1>>>( dev_s, dev_j, dev_calc );
    //kernel<<<1,1>>>(a_d);
    gpuErrchk( cudaPeekAtLastError() );
    gpuErrchk( cudaMemcpy(calc, dev_calc, (n+1) * sizeof(double), cudaMemcpyDeviceToHost) );

    //cudaMemcpy( calc, dev_calc, (n+1) * sizeof(double), cudaMemcpyDeviceToHost );

    for (int i = 1; i <= n; i++) {
        cout << "\nCALC cout = " << cuCreal(calc[i]) << ", " << cuCimag(calc[i]);
    }

    return 0;
}

最终答案是错误的，我还确定了其他一些我没有获得期望值的地方。

1)我希望在下面的代码行之后，所有'j'的元素都具有(0，5i)的复杂 double 数组。但是，我得到全0。这是为什么？

j[i] = make_cuDoubleComplex(0, 5);

2)为什么我不能使用cout打印阵列？下面显示的代码行给出以下错误:没有运算符“<

cout << "\nJ = " << j[i];

3)GPU函数'func'应该给出(0，10i)的数组作为最终答案是给出如下随机值:

CALC = -1.#QNAN0
CALC = -1.#QNAN0
CALC = -9255963134931783100000000...000.. etc
CALC = -9255963134931783100000000...000.. etc

4)对于我的实际研究，复数数组'j'将以complex(double)而不是cuDoubleComplex的格式给出。我可以使用函数'func'对复数(double)的'j'数组进行类似的操作吗？如果没有，我有什么选择？

我想我已经很好地解释了自己，但是随时可以提出任何后续问题。
C++和CUDA的新手，所以不错:D

最佳答案

编写CUDA代码时，尤其是在学习或遇到困难(事情无法按预期方式运行)时，应始终对所有CUDA API调用和内核调用执行cuda error checking。

我认为您的代码中实际上没有任何CUDA功能错误(很好!)，但值得指出。

您的大多数问题是由于您没有正确打印出cuDoubleComplex类型而引起的。您的printf语句指定了float格式参数(%f)，但没有传递float值(正在传递cuDoubleComplex值)。那是行不通的，这样做时printf的行为会很奇怪，而不会给出任何错误指示。

而是尝试这样的事情:

printf("\nJ = %f, %f", cuCreal(j[i]), cuCimag(j[i]));

这些函数(cuCreal和cuCimag)返回cuComplex数字的实部和虚部，并以适当的类型float或double形式返回它们，在这种情况下，从double到float的隐式强制转换对于您正在做的事情和可以通过printf处理(尽管这不是很好的编程习惯-而是使用正确的printf格式说明符作为double值)。

如果您对两个printf语句都进行了更改，那么我认为您将获得预期的结果-至少在我运行代码时做到了。如果您仍然遇到垃圾，则您的CUDA GPU可能无法正常工作，在这里我提到的执行CUDA错误检查将帮助您发现问题所在。

关于有关cout的问题，答案大致上与我对printf发生的情况的解释相同。 cout无法识别cuDoubleComplex类型，因此引发错误。如果要在不使用printf的情况下进行修复，请使用上面在cuDoubleComplex语句中指示的转换函数，将float转换为其单独的实部和虚部，由double或printf表示。

关于最后一个问题，将complex数据转换为cuDoubleComplex类型应该不难。编写一个转换函数以根据cuComplex.h中的实用程序来执行此操作。有很多后门方法，但是它们不是好的编程习惯。

编辑:为了回答后续问题，当前发布的代码中还有两个错误。

dev_j和dev_calc的类型为cuDoubleComplex，但是您正在对这些数量执行cudaMalloc和cudaMemcpy，就好像它们的大小为double一样。在以下代码中，我将这些sizeof(double)条目更改为sizeof(cuDoubleComplex)。

对于C和C++，您的索引通常有点奇怪。通常索引从零开始。您遇到了索引问题，其中最后一个元素未得到正确的计算。我将所有索引更改为基于零的索引。

这是对您的代码的修改，适用于我:

//#include <complex>  // not necessary for this code
#include <iostream>
#include <cmath>
//#include "cuda.h"  // not necessary when compiling with nvcc
#include "math.h"
#include "cuComplex.h"

#define n   5

using namespace std;

#define gpuErrchk(ans) { gpuAssert((ans), __FILE__, __LINE__); }
inline void gpuAssert(cudaError_t code, char *file, int line, bool abort=true)
{
    if (code != cudaSuccess)
    {
        fprintf(stderr,"GPUassert: %s %s %d\n", cudaGetErrorString(code), file, line);
        if (abort) exit(code);
    }
}

__global__ void func( double *s, cuDoubleComplex *j, cuDoubleComplex *calc ) {

    int tid = blockIdx.x;

    calc[tid] = cuCmul(j[tid], make_cuDoubleComplex(*s, 0));

}

int main( void ) {


    cuDoubleComplex calc[n+1], *dev_j, *dev_calc;
    double *dev_s, s[n] = { 2.0, 2.0, 2.0, 2.0, 2.0 };
    //complex<double> j[n+1]
    cuDoubleComplex j[n];

    for (int i = 0; i < n; i++) {
        j[i] = make_cuDoubleComplex(0, 5);
        cout << "\nJ cout = " << cuCreal(j[i]) << ", " << cuCimag(j[i]);
    }

    // allocate the memory on the GPU
    cudaMalloc( (void**)&dev_s, (n) * sizeof(double) );
    cudaMalloc( (void**)&dev_j, (n) * sizeof(cuDoubleComplex) );
    cudaMalloc( (void**)&dev_calc, (n) * sizeof(cuDoubleComplex) );

    cudaMemcpy( dev_s, s, (n) * sizeof(double), cudaMemcpyHostToDevice );
    cudaMemcpy( dev_j, j, (n) * sizeof(cuDoubleComplex), cudaMemcpyHostToDevice );

    func<<<n,1>>>( dev_s, dev_j, dev_calc );
    //kernel<<<1,1>>>(a_d);
    gpuErrchk( cudaPeekAtLastError() );
    gpuErrchk( cudaMemcpy(calc, dev_calc, (n) * sizeof(cuDoubleComplex), cudaMemcpyDeviceToHost) );

    //cudaMemcpy( calc, dev_calc, (n+1) * sizeof(double), cudaMemcpyDeviceToHost );

    for (int i = 0; i < n; i++) {
        cout << "\nCALC cout = " << cuCreal(calc[i]) << ", " << cuCimag(calc[i]);
    }

    return 0;
}

关于c++ - CUDA-简单复数乘法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/17476978/