对于不同的功能，每个块有不同的线程

Question

我编制了一个数据自动化系统程序，并陷入了一个问题。我有两个职能：

1. __global__ void cal_freq_pl(float *, char *, char *, int *, int *)
2. __global__ void cal_sum_vfreq_pl(float *, float *, char *, char *, int *)

我把第一个函数叫做：cal_freq_pl<<<M,512>>>( ... ); M是一个大约15的数字，所以我不担心它。512是我GPU上每个块的最大线程。这很好，并给出了所有M*512值的预期输出。

但是，当我以类似的方式调用第二个函数：cal_sum_vfreq_pl<<<M,512>>>( ... );时，它不起作用。在调试了这个函数之后，我终于发现它运行在以下维度上：cal_sum_vfreq_pl<<<M,384>>>( ... );，它比512小128个。它显示512没有错误，但结果不正确。

我目前只能访问Compute1.0ARCH，并在Windows64位计算机上拥有Nvidia FX4600显卡。

我不知道为什么会发生这种行为，我确信第一个函数运行于512个线程，第二个函数只运行384 (或更少)。

有人能提出一些可能的解决方案吗？

提前谢谢..。

编辑:下面是内核代码：

__global__ void cal_sum_vfreq_pl(float *freq, float *v_freq_vectors, char *wstrings, char *vstrings, int *k){
    int index = threadIdx.x;
    int m = blockIdx.x;
    int block_dim = blockDim.x;
    int kv = *k; int vv = kv-1; int wv = kv-2;
    int woffset = index*wv;
    int no_vstrings = pow_pl(4, vv);
    float temppp=0;
    char wI[20], Iw[20]; int Iwi, wIi;
    for(int i=0;i<wv;i++) Iw[i+1] = wI[i] = wstrings[woffset + i];
    for(int l=0;l<4;l++){
            Iw[0] = get_nucleotide_pl(l);
            wI[vv-1] = get_nucleotide_pl(l);
            Iwi = binary_search_pl(vstrings, Iw, vv);
            wIi = binary_search_pl(vstrings, wI, vv);
            temppp = temppp + v_freq_vectors[m*no_vstrings + Iwi] + v_freq_vectors[m*no_vstrings + wIi];
    }
    freq[index + m*block_dim] = 0.5*temppp;
}

Answer 1

您似乎在第二个内核中分配了大量寄存器。由于硬件资源限制(如每个块的寄存器号)，无法始终达到每个块的最大线程数。

CUDA提供了一个工具来帮助计算每块线程的适当成员数。

calculator.xls

您还可以在CUDA安装dir中找到这个.xls文件。