求教各位，我同样的程序在不同的GPU上计算却得到不同的结果。
我程序本身是在一个装有Quadro FX 580显卡的机器上编写的，这块显卡的计算能力是1.x， 可以得到正确的计算结果；
我将程序放到装有Quadro 4000显卡的机器上（计算能力是2.0）运行后，得到的结果显示值都溢出了。
两台机器使用的都是CUDA 5.0，本身驱动也是最新的。
我程序本身也只是使用了shared memory而已，使用的是VS2010编程。
请问，在不同设备之间的程序移植需要改动什么吗？或者是需要在VS2010里改动什么参数？
谢谢各位~
楼主您升级到2.x后，得到了对subnormal(很小的接近0的一些特殊的float)数的支持，以及得到了融合乘加(FMA)的支持。
在新卡上编译运行的这2点将您的代码提高了精度。但为何却得不到“正确的结果”呢？
可能您原来的算法、公式本来需要一定的“误差”从而使得能得到您期盼的结果，而“提高的精度”却无法在您的算法下保证这点。
这是其一。
其二，您重新编译的时候，选择了compute_20,sm_20了么？您可以尝试下这个。以及还可以尝试下打开-use_fast_math, 看看能否得到类似1.x的结果。
（可以在您的cu属性的command line里填入-user_fast_math, 请试试看)
根据您的文字描述，只能给出这些建议。但不妨试试看。
谢谢你，确实是你说的这个问题。
需要在VS下Properties->CUDA C/C++ → Device → Code Generation里选择compute_20,sm_20。
但是我发现只是使用compute_20还是不行，需要将compute_30和compute_35都加进去才可以。
希望我的这个问题能给其他遇到类似问题的朋友有帮助，再次感谢版主的回答~
额。。。。
显然您的部分回答是错误的，您选择compute_20,sm_20即可。您的compute_30和35毫无意义（在贵卡上完全没有用到的机会的）。
不过恭喜您解决了。虽然您不知道您的哪一步解决了。
LZ您好，在计算能力2.0及以上的GPU上，使用shared memory有时需要添加volatile关键字的，或者添加额外的__syncthreads()同步。
具体可以参考CUDA C Programming Guide中规约那个例子的代码，以及Fermi compatibility Guide中的说明。
同一warp内部连续进行写入和读取shared memory的时候，避免因为shared memory被寄存器缓冲而没有真正写入造成读取错误。
在1.x计算能力的硬件中无此要求。
您可以参考如下链接的讨论：
http://cudazone.nvidia.cn/forum/forum.php?mod=viewthread&tid=6788
请您检查一下您的代码，看看是否是这个问题。
此外，添加compute_30，compute_35的编译参数，应该无法对您的结果产生影响，这个参数添加的PTX代码只针对kepler的GPU，而您是fermi的GPU。所以无法理解您添加了这些参数之后，“解决了问题”。请您也检查下此情况。
祝您编码顺利，早日彻底解决问题。
呃，我现在也想这么说了……
之前确实修改添加30和35能成功，而只选择20无法成功……
现在的情况是，无论怎样都失败……
我移植过去的程序，只跑成功了一次，然后就一直失败得不到正确的结果
谢谢你，关于compute_30的问题，我确实是错误的，关于你说的shared memory问题我会去检查一下的~
现在一个诡异的情况是，我跑一次CUDA samples里的程序一次，在运行自己的程序就可以得到正确的结果了……
费解……
？？？？
LZ您好，这个我也不知道是何原因了，建议您淡定地检查下您的代码。
祝您好运~