使用共享内存之后CUDA程序给出的结果有错，而且每次都不同的结果，
这是什么原因导致的？
谢谢
LZ您好：
请您提供您代码和出错的具体信息，否则本帖将做水帖处理。
device float compute_d( float *GpuArray_d, int AttributeN_d, int z_d, int i_d_d)
{
extern shared float CurrentRow;
for(int zz = 0; zz < AttributeN_d; zz++)
{
CurrentRow[zz] = GpuArray_d[z_d * AttributeN_d+ zz];
}
float tempdist_d = 0;
for (int j = 0; j < AttributeN_d ; j++ ) {
tempdist_d = tempdist_d + (powf(GpuArray_d[i_d_d*AttributeN_d+j] - CurrentRow[j],2.0));
__syncthreads();
}
return tempdist_d;
}
global void filterData_D(float *GpuArray, int Dataset_Dimension_d, int AttributeN_d, float *tempArrary_d, int i_d,clock_t *time_d)
{
const int bid = blockIdx.x;
const int tid = threadIdx.x;
//if(tid == 0) time_d[bid] = clock();
float tempdist = 0;
for ( int z = bid * THREAD_NUM + tid; z < Dataset_Dimension_d; z += BLOCK_NUM * THREAD_NUM)
{
tempdist = compute_d(GpuArray, AttributeN_d, z, i_d);
tempArrary_d[z] = (sqrtf(tempdist));
tempdist = 0;
}
}
这是调用KERNEL部分
filterData_D <<< BLOCK_NUM, THREAD_NUM,49152,0>>>( gpudata, E_Dataset_Dimension, E_AttributeN, tempArrary_H, i, E_time );
AttributeN_d=168;
在compute_d里定义以及赋值CurrentRow之前正常，定义CurrentRow之后就运行，给出的结果不一样。
LZ您好：
根据您3#提供的代码，目测发现了明显的shared memory使用问题：
extern shared float CurrentRow;
for(int zz = 0; zz < AttributeN_d; zz++)
{
CurrentRow[zz] = GpuArray_d[z_d * AttributeN_d+ zz];
}
从这里可以看到 CurrentRow是shared memory中的数组，在block内是共享的。
然后您在循环中对CurrentRow[0]~CurrentRow[AttributeN_d-1]进行赋值。
这里的问题在于AttributeN_d整个block只有一份，而您一个block中的每个线程都试图对其全部的元素进行赋值，而且赋值的内容是不同的，考虑到线程之间是乱序的，这在逻辑上本身就是一种不确定的行为。
具体到硬件行为，按照手册的说法，每个warp中只会有一个线程成功写入，并且不保证是哪个线程写入。再考虑到warp之间的执行顺序也不被保证，所以这个是不确定的行为。您每次执行得到不同的结果原因在此。
因此，请您重新考虑算法逻辑，并给出新的实现。
祝您好运~
谢谢指点
不客气的，虽然最近论坛不太稳定，但是依然欢迎您常来~