“CudaLaunch返回（0x9）”，以及程序计时问题

Question

我写了一个CUDA程序，我有两个关于这个程序的问题。

1. 当我调用内核函数时，我知道block_len必须<= 1024，但我仍然设置block_len> 1024.当我用cuda-gdb和Nsight调试时，有一个预期的“cudaLaunch返回（0x9）”错误。如果我在没有调试的情况下运行程序，程序运行平稳，计算结果与使用CPU（没有并行性）相同，表明我的计算是正确的。为什么错误的程序可以得到正确的结果？
2. 程序将计算长度*长度矩阵A，A的每个元素的计算由一个线程完成，ngridDim设置为（1,1）。当长度<32时，执行时间为 kernel <<< (1,1), (length, length) >>> 根据长度的规律性变化。当长度> 32时，内核花费的时间突然减少100-1000次。我首先怀疑我的计时代码是错误的，但经过检查后，我认为没有错误。之后，我会附上时间码。导致这样的结果的原因是什么？

   dim3 dimBlock(length, length);
   dim3 dimGrid(1, 1);
   
   float a2;
   cudaEvent_t t1, t2;
   cudaEventCreate(&t1);
   cudaEventCreate(&t2);
   
   cudaEventRecord(t1, 0);
   kernel<<<dimGrid, dimBlock>>>(dev_d, dev_D);
   cudaEventRecord(t2, 0);
   
   cudaEventSynchronize(t1);
   cudaEventSynchronize(t2);
   cudaEventElapsedTime(&a2,t1,t2);
   printf("kernel time: %f (ms)\n",a2);

如果length = 32，则内核时间为：

    kernel time: 37.341919 (ms)

如果length = 33，则内核时间为：

    kernel time: 0.004128 (ms)

我的设备的一些信息：

Answer 1

您应该提供完整的代码。然而：

1. 可能是正确的结果仍然在前一次运行的内存中。当您设置length> 32时，您将启动非法内核，并且您的内核将无法运行或产生任何结果。您可以通过在内核启动之前清除输出数据来确认这一点。例如，如果dev_D包含内核的输出，那么执行以下操作：

   cudaMemset(dev_D, 0, length*length*sizeof(dev_D[0]));
   kernel<<<dimGrid, dimBlock>>>(dev_d, dev_D);

   如果你这样做，并且内核无法运行，你肯定应该在dev_D中得到0而不是预期的结果。
2. 当length参数大于32时，您要求每个块超过1024个线程，这在CUDA中是非法的。因此内核不运行（如果要确认这一点，请使用正确的CUDA错误检查。）当内核不运行时，测量的启动时间比内核运行时短得多。