如何将向量从 Cuda 直接传递到 LibSVM 结构？

Posted 2023-03-12

【中文标题】如何将向量从 Cuda 直接传递到 LibSVM 结构？

【英文标题】：How to pass directly a vector from Cuda to LibSVM struct?

【发布时间】：2021-12-14 12:03:16

【问题描述】：

我在尝试与 CUDA 并行化的项目中使用 LibSVM。 问题是，在训练和预测之前，我将有用的数据存储在一个定义为

的结构中

struct svm_node

    int index;
    double value;
;

并分配，例如，以这种方式：

struct svm_node** testnode;

testnode = (struct svm_node**)malloc(sz[0] * sz[1] * sizeof(struct svm_node*));

for(i=0; i<sz[0] * sz[1]; i++)
    testnode[i] = (struct svm_node*)malloc((no_classes * tnum + 2) * sizeof(struct svm_node));

所以，实际上我有一个矩阵，我可以通过这种方式访问​​它

testnode[0][0].index;
testnode[0][0].value;

现在，index 和 value 是使用 CUDA 获得的，它们存储在两个连续向量（线性化矩阵）中。有没有办法直接将每个向量指针绑定到 testnode 结构，以便在不使用任何 for 循环的情况下“传输”数据？

【问题讨论】：

“所以，实际上我有一个矩阵”——不，你有一个指针向量，它不能移植到 GPU。 Stack Overflow 上有大量 AOS 与 SOA 的问题，如果您想搜索它们，可以讨论这个问题

@talonmies 是的，这是正确的。但是，我们的想法不是将此指针向量传递给 GPU，而是在数据从设备传输到主机后将来自 GPU 的数据向量的元素与结构中的正确元素相关联。

我了解您的用例。但重点仍然存在。您的“矩阵”条目是单独的分配。它们在内存中不连续。因此，GPU 无法在一次传输中复制到那个不连续的目标内存。在该设计模式中，主机和设备之间没有可移植性

【参考方案1】：

有没有办法直接将每个向量指针绑定到 testnode 结构，以便在不使用任何 for 循环的情况下“传输”数据？

不，没有。当使用多次调用主机内存分配器（例如malloc 或new）进行分配时（从而创建多个主机指针），您无法使用单个cudaMemcpyXXX 操作将所有引用的数据传输到设备。每个单独创建的主机指针都需要一个cudaMemcpy 调用。