Матричное умножение CUDA

Я читал несколько веб-сайтов и даже использовал код NVIDA в качестве руководства, но я все еще получаю неправильный ответ. Основной вопрос будет задан пользователю для размера и отобразит A и B, а затем отобразит результирующую матрицу C. Однако скажем, что я запускаю матрицу 2×2 для A и B, это мой выходной образец:

Matrix A 0.000000 8.000000 2.000000 2.000000 Matrix B 3.000000 1.000000 5.000000 7.000000 Matrix C (Results) 0.000000 9.000000 7.000000 4.000000 

Но это неправильно. Так должно быть:

 40.000 56.000 16.000 16.000 

Я изменил его с десятичных чисел на целые числа, чтобы было легче проверить, и я обнаружил, что это неверно. Я не понимаю, почему это было бы неправильно, особенно, хотя я взял это правильно из своего образца кода.

 #ifndef _MATRIXMUL_KERNEL_H_ #define _MATRIXMUL_KERNEL_H_ #include  // Thread block size #define BLOCK_SIZE 16 #define TILE_SIZE 16 // CUDA Kernel __global__ void matrixMul( float* C, float* A, float* B, int wA, int wB) { // Block index int bx = blockIdx.x; int by = blockIdx.y; // Thread index int tx = threadIdx.x; int ty = threadIdx.y; // Index of the first sub-matrix of A processed // by the block int aBegin = wA * BLOCK_SIZE * by; // Index of the last sub-matrix of A processed // by the block int aEnd = aBegin + wA - 1; // Step size used to iterate through the // sub-matrices of A int aStep = BLOCK_SIZE; // Index of the first sub-matrix of B processed // by the block int bBegin = BLOCK_SIZE * bx; // Step size used to iterate through the // sub-matrices of B int bStep = BLOCK_SIZE * wB; float Csub=0; // Loop over all the sub-matrices of A and B // required to compute the block sub-matrix for (int a = aBegin, b = bBegin; a <= aEnd; a += aStep, b += bStep) { // Declaration of the shared memory array As // used to store the sub-matrix of A __shared__ float As[BLOCK_SIZE][BLOCK_SIZE]; // Declaration of the shared memory array Bs // used to store the sub-matrix of B __shared__ float Bs[BLOCK_SIZE][BLOCK_SIZE]; // Load the matrices from global memory // to shared memory; each thread loads // one element of each matrix As[ty][tx] = A[a + wA * ty + tx]; Bs[ty][tx] = B[b + wB * ty + tx]; // Synchronize to make sure the matrices // are loaded __syncthreads(); // Multiply the two matrices together; // each thread computes one element // of the block sub-matrix for (int k = 0; k < BLOCK_SIZE; ++k) Csub += As[ty][k] * Bs[k][tx]; // Synchronize to make sure that the preceding // computation is done before loading two new // sub-matrices of A and B in the next iteration __syncthreads(); } // Write the block sub-matrix to device memory; // each thread writes one element int c = wB * BLOCK_SIZE * by + BLOCK_SIZE * bx; C[c + wB * ty + tx] = Csub; } #endif // #ifndef _MATRIXMUL_KERNEL_H_ 

хост-код:

  //perform the calculation //setup execution parameters dim3 threads(BLOCK_SIZE, BLOCK_SIZE); dim3 grid(c.colSize / threads.x, c.rowSize / threads.y); // execute the kernel matrixMul<<>>(deviceMatrixC, deviceMatrixA, deviceMatrixB, a.colSize, b.colSize); 

Спасибо за вашу помощь, Дэн

Код, который вы используете неявно, требует, чтобы размер матриц был круглым кратным размеру блока (в этом случае 16×16). Внутренний расчет продукта обрабатывает ширину плитки за раз, не проверяя доступ за пределы памяти. По этой причине матрицы 2×2 не будут работать.

Если вы попытаетесь запустить kernel ​​с входом 16×16 (например, нулевое заполнение вашего случая 2×2 до 16×16), вы сможете подтвердить результат.