Question

有人可以对此发表评论，

我想做一个矢量点积。我的浮点矢量是[2080：2131]和[2112：2163]，每个都包含52个元素。

a[52] = {2080 2081 2082 ... ... 2129 2130 2131};
b[52] = {2112 2113 2114 ... ... 2161 2162 2163};

for (int i = 0; i < 52; i++)
{
    sum += a[i]*b[i];
}

我的内核的全长（52个元素）的结果总和为234038032，而matlab的结果为234038038。对于产品的1到9个元素总和，我的内核结果与matlab结果一致。对于10个元素的总和，它偏离1并逐渐增加。结果是可重复的。我检查了所有元素，发现没有问题。

Answer 1

由于向量是浮动的，因此您遇到舍入错误。 Matlab将以更高的精度（双倍）存储所有内容，因此不会那么早地看到舍入错误。

你可能想看看David Goldberg的What Every Computer Scientist Should Know About Floating Point - 非常宝贵的阅读。

C ++中的简单演示（即与CUDA无关）：

#include <iostream>

int main(void)
{
  float a[52];
  float b[52];
  double c[52];
  double d[52];

  for (int i = 0 ; i < 52 ; i++)
  {
    a[i] = (float)(2080 + i);
    b[i] = (float)(2112 + i);
    c[i] = (double)(2080 + i);
    d[i] = (double)(2112 + i);
  }

  float fsum = 0.0f;
  double dsum = 0.0;
  for (int i = 0 ; i < 52 ; i++)
  {
    fsum += a[i]*b[i];
    dsum += c[i]*d[i];
  }

  std::cout.precision(20);
  std::cout << fsum << " " << dsum << std::endl;
}

运行此命令，你得到：

234038032 234038038

那么你能做些什么呢？你可以进入几个方向......

使用更高的精度：这会影响性能，并非所有设备都支持双精度。它也只是推迟问题而不是修复它，所以我不推荐它！
执行基于树的缩减：您可以组合vectorAdd和reduction SDK示例中的技术。
使用Thrust：非常直截了当。

cuda浮点精度

1 个答案: