CUDA - 使用 CURAND 傻瓜库

Question

我正在阅读 CURAND 库 API，我是 CUDA 的新手，我想看看是否有人能真正向我展示一个使用 CURAND 库生成随机数的简单代码。我正在考虑生成大量数字以用于离散事件模拟。我的任务只是开发算法以使用 GPGPU 来加速随机数生成。我已经在标准 C 语言编程中实现了 LCG、乘法和斐波那契方法。然而，我想将这些代码“移植”到 CUDA 中，并利用线程和块来加速生成随机数的过程。

链接1： http: //adnanboz.wordpress.com/tag/nvidia-curand/

那个人有我需要的两种方法（LCG 和 Mersenne Twister），但代码没有提供太多细节。我想知道是否有人可以扩展这些最初的实现，以实际为我指明如何正确使用它们的正确方向。

谢谢！

Answer 1

您的问题具有误导性 - 您说“使用 cuRAND 傻瓜库”，但您实际上并不想使用 cuRAND。如果我理解正确的话，您实际上想从头开始实现自己的RNG，而不是使用 cuRAND 中提供的优化 RNG。

1. 第一个建议是重新考虑使用自己的 RNG 的决定，为什么不使用 cuRAND？如果统计属性适合您的应用程序，那么您最好使用 cuRAND，因为您知道它已针对所有代 GPU 进行了调整。它包括 Marsaglia 的 XORWOW、l'Ecuyer 的 MRG32k3a 和MTGP32 Mersenne Twister（以及准 RNG 的 Sobol'）。
2. 您还可以查看Thrust，它有一些简单的 RNG，例如，请参阅Monte Carlo 示例。
3. 如果您确实需要创建自己的生成器，那么GPU 计算宝石（翡翠版，第 16 章：随机数生成器的并行化技术）中提供了一些有用的技术。

附带说明一下，请记住，虽然简单的 LCG 速度快且易于跳过，但它们通常具有相当差的统计特性，尤其是在使用大量抽奖时。当您说您需要“Mersenne Twister”时，我假设您指的是 MT19937。引用的 Gems 书籍讨论了并行化 MT19937，但最初的开发人员创建了 MTGP 生成器（上面也提到了），因为 MT19937 实现跳过相当复杂。

另外，作为另一个旁注，仅使用不同的种子来实现并行化通常是一个坏主意，从统计角度来看，您无法保证独立性。您要么需要向前跳过或蛙跳，要么使用其他一些技术（例如DCMT）来确保序列之间不存在相关性。