从CUDA开始，关于设备代码

Question

我正在开始进行 CUDA 编程，我有一个关于内核编码部分的问题。下面是我正在尝试的代码。
我试图让它使用 8 个块（每个块有 8 个线程）打印数字 1-64。可以看到该程序正在使用 8 个线程块，每块块 8 个线程。

问题是我的输出大得不可思议，而且每次都不同，而且只有一个值。

#include <stdio.h>

__global__
void start(int *a){
        *a = blockIdx.x*threadIdx.x*blockDim.x;;
}

int main(){
        int a;
        int *d_a;
        int size = 64*sizeof(int);
        cudaMalloc((void**)&d_a,size);
        cudaMemcpy(d_a,&a,size, cudaMemcpyHostToDevice);
        start<<<8,8>>>(d_a);

        cudaMemcpy(&a,d_a,size,cudaMemcpyDeviceToHost);

        cudaFree(d_a);
        printf("%d\n",a);
        return 0;
}

编辑：好吧，这听起来很愚蠢，但是我如何检查代码是否确实发送到 GPU 卡？我怀疑内核代码根本没有被处理。可能是因为 GPU 关闭了或者其他什么原因。我正在使用 PUTTY，因此我无法物理访问实际机器。

Answer 1

两个问题，都在同一行代码中。

*a = blockIdx.x*threadIdx.x*blockDim.x;;

1.您的所有线程都写入同一位置。假设您想要一个包含 1-64 的数组，这不是您想要做的。你想要这样的东西：

a[id] = id;

2. 你的算术是错误的。如果您希望块和线程映射到 1-64，您可以使用它来代替

   blockIdx.x*blockDim.x+threadIdx.x;

将所有内容放在一起，您可以做到这一点：

int id= blockIdx.x*blockDim.x+threadIdx.x;
a[id] = id;