我已经被这个错误困扰了很长一段时间所以我决定在这里发布它.
调用cudaMemcpy时发生此分段错误:
CurrentGrid->cdata[i] = new float[size];
cudaMemcpy(CurrentGrid->cdata[i], Grid_dev->cdata[i], size*sizeof(float),\
cudaMemcpyDeviceToHost);
CurrentGrid并且Grid_dev分别指向grid主机和设备上的类对象,在此上下文中i = 0.类成员cdata是一个浮点类型指针数组.为了调试,这cudaMemcpy调用之前对的,我打印出来的每个元素的值Grid_Dev->cdata[i],地址CurrentGrid->cdata[i]和Grid_dev->cdata[i]和的价值size,这一切看起来不错.但它仍然以"分段故障(核心转储)"结束,这是唯一的错误消息.cuda-memcheck只给出了"进程没有成功终止".我目前无法使用cuda-gdb.关于去哪儿的任何建议？
更新:现在看来我已经通过cudaMalloc解决了这个问题,设备上的另一个浮点指针A和cudaMemcpy的Grid_dev-> cdata [i]的值为A,然后是cudaMemcpy A来主机.所以上面写的代码段变成:
float * A;
cudaMalloc((void**)&A, sizeof(float));
...
...
cudaMemcpy(&A, &(Grid_dev->cdata[i]), sizeof(float *), cudaMemcpyDeviceToHost);
CurrentGrid->cdata[i] = new float[size];
cudaMemcpy(CurrentGrid->cdata[i], A, size*sizeof(float), cudaMemcpyDeviceToHost);
我之所以这样做是因为valgrind突然出现了"8号无效读取",我认为这是指的Grid_dev->cdata[i].我用gdb再次检查它,打印出Grid_dev->cdata[i]NULL值.所以我想即使在这个cudaMemcpy调用中也无法直接取消引用设备指针.但为什么 ？根据这个帖子底部的评论,我们应该能够在cudaMemcpy函数中取消引用设备指针.
另外,我不知道cudaMalloc和cudaMemcpy如何工作的基本机制,但我认为cudaMalloc是一个指针,比如A,我们实际上指定这个指针指向设备上的某个地址.并且通过cudaMemcpy Grid_dev->cdata[i]到A,如上面的修改代码,我们重新分配指针A指向数组.那么,当它是cudaMalloced时,我们不会失去A指向的先前地址的轨道吗？这会导致内存泄漏吗？如果是的话,我应该如何妥善解决这种情况？谢谢!
作为参考,我将完整函数的代码放在下面发生此错误的代码中.
非常感谢!
__global__ void Print(grid *, int);
__global__ void Printcell(grid *, int);
void CopyDataToHost(param_t p, grid …我有一个Parent类和一个继承Child类：
class Parent {};
class Child : public Parent {};
有几个子类继承自Parent，但为了简单起见，我只包含了一个。这些继承的类对于我正在从事的项目是必需的。我还有另一个类的对象，我希望将其复制到设备上：
class CopyClass {
public:
Parent ** par;
};
请注意，之所以Parent ** par;存在，是因为我需要一个Child对象列表，但它将使用哪个子对象（以及列表的长度）在编译时未知。这是我将CopyClass对象复制到设备上的尝试：
int length = 5;
//Instantiate object on the CPU
CopyClass cpuClass;
cpuClass.par = new Parent*[length];
for(int i = 0; i < length; ++i) cpuClass.par[i] = new Child;
//Copy object onto GPU
CopyClass * gpuClass;
cudaMalloc(&gpuClass,sizeof(CopyClass));
cudaMemcpy(gpuClass,&cpuClass,sizeof(CopyClass),cudaMemcpyHostToDevice);
//Copy dynamically allocated variables to GPU
Parent ** …在线上有很多关于在CUDA上分配，复制，索引等2d和3d数组的问题。我得到了很多矛盾的答案，因此我试图汇编过去的问题，看看我是否可以提出正确的问题。
第一个链接：https : //devtalk.nvidia.com/default/topic/392370/how-to-cudamalloc-two-Dimension-array-/
问题：分配二维指针数组
用户解决方案：使用mallocPitch
“正确”的低效率解决方案：在for循环中为每行使用malloc和memcpy（荒谬的开销）
“更正确”的解决方案：将其压缩为1d数组的“专业意见”，有评论说没有人关注性能，但在gpu上使用2d指针结构
第二个链接：https : //devtalk.nvidia.com/default/topic/413905/passing-a-multiDimension-array-to-kernel-how-to-allocate-space-in-host-and-pass-to-device -/
问题：在主机上分配空间并将其传递给设备
子链接：https : //devtalk.nvidia.com/default/topic/398305/cuda-programming-and-performance/dynamically-allocate-array-of-structs/
子链接解决方案：在GPU上编码基于指针的结构是一种糟糕的体验，并且效率极低，因此将其压缩为一维数组。
第三个链接：在CUDA中的设备内存上分配2D阵列
问题：分配和传输二维数组
用户解决方案：使用mallocPitch
其他解决方案：将其展平
第四个链接：如何在CUDA中使用2D阵列？
问题：分配和遍历二维数组
提交的解决方案：不显示分配
其他解决方案：压扁
还有许多其他消息来源大多在说同样的话，但是在多个实例中，我看到有关GPU上指针结构的警告。
许多人认为分配指针数组的正确方法是为每行调用malloc和memcpy，但函数mallocPitch和memcpy2D存在。这些功能的效率有所降低吗？为什么这不是默认答案？
二维数组的另一个“正确”答案是将它们压缩成一个数组。我是否应该习惯生活中的事实？我对我的代码非常拘谨，对我来说感觉很不雅。
我正在考虑的另一种解决方案是使使用1d指针数组的矩阵类最大化，但是我找不到实现双括号运算符的方法。
还要根据此链接：将对象复制到设备？
和子链接答案：cudaMemcpy分段错误
这有点浮躁。
我想全部使用CUDA的类都具有2 / 3d数组，将这些转换为CUDA的1d数组会不会有很多开销？
我知道我已经问了很多问题，但总的来说，我应该习惯于将数组压缩为现实，还是可以使用二维分配和复制函数而不会产生不好的开销，例如在for中调用alloc和cpy的解决方案中环？