用于有限元装配的 CUDA 内核

Question

我们有一个非结构化四面体网格文件，包含以下格式：

element-ID  nod1 nod2 nod3 nod4


    1            452  3434  322 9000

    2            2322   837 6673 2323

    .
    .
    .

300000

我们对上述网格进行分区，每个分区大小为 2048。 对于每个大小为 2048 的分区包含唯一的 nod1 nod2 nod3 nod4 值，我们在不同的起始索引处传递 1 个块和 512 个线程。

在 cuda 文件中，我们

__global__ void calc(double d_ax,int *nod1,int *node2,int *nod3,int *nod4,int   start,int size)
{
    int n1,n2,n3,n4;     
    int i = blockIdx.x * blockDim.x + threadIdx.x + start;


    if ( i < size )
    {

        n1=nod1[i];
        n2=nod2[i];
        n3=nod3[i];
        n4=nod4[i];

        ax[n1] += some code;
        ax[n2] += some code;
        ax[n3] += some code;
        ax[n4] += some code;
    }
}

调用内核，因为

calc<<<1,512>>>(d_ax,....,0,512);
calc<<<1,512>>>(d_ax,....,512,512);
calc<<<1,512>>>(d_ax,....,1024,512); 
calc<<<1,512>>>(d_ax,....1536,512);

上面的代码运行良好，但问题是我们一次使用多个块得到不同的结果。例如：

calc<<<2,512>>>(d_ax,....,0,1024); 
calc<<<2,512>>>(d_ax,....,1024,1024); 

有人可以帮助我吗？

Answer 1

我不确定当您发布的代码不完整且无法编译时，您如何期望任何人告诉您可能出现的问题，但是如果在您的单块情况下您确实在调用内核，就像您发布的那样，这就是应该发生的情况：

calc<<<1,512>>>(d_ax,....,0,512);    // process first 512 elements
calc<<<1,512>>>(d_ax,....,512,512);  // start >= 512, size == 512, does nothing
calc<<<1,512>>>(d_ax,....,1024,512); // start >= 1024, size == 512, does nothing
calc<<<1,512>>>(d_ax,....1536,512);  // start >= 1536, size == 512, does nothing

因此，无论您的代码在使用多个块运行时是否可能被破坏，单块情况的结果都可能是错误的，因此您的问题的整个要点可能是无关紧要的。

如果您想要更好的答案，请编辑您的问题，使其包含问题的完整描述以及实际可以编译的简洁、完整的代码。否则，任何人都可以从您提供的信息中猜测到这一点。

Answer 2

对于每个分区大小2048包含唯一的nod1 nod2 nod3 nod4
价值观

但在两个分区集中可以出现相同的节点索引吗
如果在两个不同的块中您有

块 1：
ax[1234]=做某事

第 2 块：
ax[1234]=do something else

它闻起来像竞争条件。你永远不知道这两个块中哪一个写起来会更快......