如何在 GPU 上复制 OpenACC 中分配的向量指针内存向量

Question

我正在尝试在 GPU 上复制向量数组的向量。

我尝试使用 OpenACC copyin 子句。 copyin 子句不会复制数组的所有基础数据。当我尝试访问底层矢量数据时，我在运行时收到“非法地址访问”错误。

vector<int32_t> *k1p = new vector<int32_t>[bin_num];
for (int i = 0; i < bin_mum; i++) {
  //......
  k1p[i].push_back(i);
}
#pragma acc kernels loop independent copyin(k1p[0:bin_num])
for (int i = 0; i < bin_mum; i++) {
  //........
  for (vector<int32_t>::const_iterator i2_it=k1p[i].begin(); i2_it!=k1p[i].end(); i2_it++) {
    //.......
  }
  //..........
}

我想访问底层向量 k1p[i] 的元素，但实际上这段代码是用 pgi 编译器编译的，但是当我运行这段代码时，我得到了

调用 cuStreamSynchronize 返回错误 700：内核执行期间地址非法

Answer 1

OpenACC 数据子句仅执行对象的浅拷贝。由于“向量”是三个指针的集合，这意味着将向量放入 copyin 子句中只会复制指针，而不复制它指向的数据。

假设您正在使用 PGI，最简单的方法是使用 CUDA 统一内存（即添加标志“-ta=tesla：托管”），并让 CUDA 运行时为您管理数据移动。

否则，您需要对向量执行手动深度复制。这可能有点棘手，特别是对于向量，所以如果您需要示例，请告诉我。

Answer 2

再次，我强烈建议在设备上使用 C++ 矢量时使用 CUDA 统一内存（托管）。向量是具有三个私有指针的容器类型。鉴于 OpenACC 复制或更新执行浅复制，当将向量放入数据区域时，您将复制指针，而不是它们指向的数据。更糟糕的是，由于指针是私有的，因此无法使用设备指针更新它们。

相反，您需要创建一个临时指针数组来隐藏向量数组的数据，然后在设备上使用此临时变量。类似于以下内容：

% cat vector.data.cpp
#include <iostream>
#include <vector>
#include <cstdint>

using namespace std;

int main() {
   const int bin_num = 1024;
   long sum = 0;

   vector<int32_t> *k1p = new vector<int32_t>[bin_num];
   for (int i = 0; i < bin_num; i++) {
       k1p[i].push_back(i);
   }

   int32_t ** temp = new int32_t*[bin_num];
   int * sizes = new int[bin_num];
   #pragma acc enter data create(temp[0:bin_num][0:0])
   for (int i = 0; i < bin_num; i++) {
      int sze = k1p[i].size();
      sizes[i] = sze;
      temp[i] = k1p[i].data();
      #pragma acc enter data copyin(temp[i:1][:sze])
   }
   #pragma acc enter data copyin(sizes[:bin_num])

  #pragma acc parallel loop gang vector reduction(+:sum) present(temp,sizes)
  for (int i = 0; i < bin_num; i++) {
     for (int j=0; j< sizes[i]; ++j) {
         sum += temp[i][j];
     }
  }
  cout << "Sum: " << sum << endl;
  #pragma acc exit data delete(sizes)
  #pragma acc exit data delete(temp)
  delete [] sizes;
  delete [] k1p;
}

% pgc++ vector.data.cpp --c++11 -ta=tesla  -V18.10
% a.out
Sum: 523776

使用托管内存时，地址位于主机和设备均可访问的统一内存空间中。因此，当您访问“开始”和“结束”时，它们在设备上返回的地址是有效的。例如：

% cat vector.cpp
#include <iostream>
#include <vector>
#include <cstdint>
using namespace std;

int main() {
   const int bin_num = 1024;
   long sum = 0;
   vector<int32_t>::const_iterator i2_it;

   vector<int32_t> *k1p = new vector<int32_t>[bin_num];
   for (int i = 0; i < bin_num; i++) {
       k1p[i].push_back(i);
   }

#pragma acc parallel loop reduction(+:sum) private(i2_it)
  for (int i = 0; i < bin_num; i++) {
    for (i2_it=k1p[i].begin(); i2_it!=k1p[i].end(); i2_it++) {
         sum += *i2_it;
     }
  }
  cout << "Sum: " << sum << endl;
}

% pgc++ vector.cpp --c++11 -ta=tesla:managed -V18.10
% a.out
Sum: 523776

另一种选择是编写自己的向量类。我在OpenACC 并行编程第 5 章中编写了一个关于如何执行此操作的基本示例。代码示例可以在 https://github.com/rmfarber/ParallelProgrammingWithOpenACC

找到

Answer 3

我试过这个：

#include <iostream>
#include <memory>
#include <vector>

int main(){
    //Create a vector of ints
    std::vector<int> vecOfInts;

    // Fill the vector with some data
    for (int i = 0; i < 1000; ++i) {
        vecOfInts.push_back(i);
    }
    #pragma acc enter data copyin(vecOfInts[0:999])

 
    // Parallelize a loop over the vector using OpenACC
    #pragma acc data copyout(vecOfInts[0:999])
    {
      #pragma acc parallel loop
      for (int i = 0; i < 1000; ++i) {
        // Access and modify vector elements safely in parallel
        vecOfInts[i] *= 2;
      }
    }
    //#pragma acc update self (vecOfInts[0:999])

    //Print the modified vector
    for (int i = 0; i < vecOfInts.size(); ++i)  {
        std::cout << vecOfInts[i] << " ";
    }
    std::cout << std::endl;

    return 0;
}

而且它似乎与 nvc++ -acc -gpu=cc70，托管-Minfo=all

我使用了 nvhpc/23.3 和 nvidia/cuda/12.0 工具包。