c - 使用cudaMemcpy2D从设备到主机的CUDA复制阵列

cudaMemcpy2D没有复制我所期望的。在我阅读了关于cudaMallocPitch的手册之后，我试图编写一些代码来了解发生了什么。但是，我有个问题。
我做了这样一个简单的程序：

int main()
{
    double *d_A;
    size_t d_pitch;

    cudaMallocPitch((void**)&d_A, &d_pitch, sizeof(double) * SIZE, SIZE);

    dim3 blocks(4, 4);
    dim3 threads(16, 16);

    doStuff<<<blocks, threads>>>(d_A, d_pitch);

    double *A;
    size_t pitch = sizeof(double) * SIZE;

    A = (double*)malloc(sizeof(double) * SIZE * SIZE);

    cudaMemcpy2D(A, pitch, d_A, d_pitch, sizeof(double) * SIZE, SIZE, cudaMemcpyDeviceToHost);

    for (int i = 0; i < SIZE; i++) {
        for (int j = 0; j < SIZE; j++) printf("%f ", A[sizeof(double) * i + j]);
        printf("\n");
    }
}

doStuff是：

__global__ void doStuff(double *d_A, size_t d_pitch)
{
    unsigned int i = blockIdx.x * blockDim.x + threadIdx.x;
    unsigned int j = blockIdx.y * blockDim.y + threadIdx.y;
    double *target = ( (double*)(((char*)d_A) + (d_pitch * i)) ) + j;

    if (i < SIZE && j < SIZE)
        *target = (i + 1) * (j + 1) + 0.0;
}

所以doStuff和d_A[i][j] = (i+1)*(j+1)是一样的。如果SIZE是5，我期望的是：

1 2 3 4 5
2 4 6 8 10
3 6 9 12 15
4 8 12 16 20
5 10 15 20 25

双精度。但是，当我编译并运行时，我得到：

1 2 3 4 5
8 10 3 6 9
8 12 16 20 5
25 0 0 0 0
0 0 0 0 0

似乎对于每一行，cudaMemcpy2D都覆盖以前的数据。我试图找出改变音高和宽度的问题，但我做不到。
我的密码怎么了？

最佳答案

错误在这一行：

    for (int j = 0; j < SIZE; j++) printf("%f ", A[sizeof(double) * i + j]);

应该是：

    for (int j = 0; j < SIZE; j++) printf("%f ", A[SIZE * i + j]);

要按元素中行的大小（而不是字节中元素的大小）缩放行索引（i）。
这当然和库达无关。