同步问题

加速计算 CUDA
1 
#include <stdlib.h>
#include <stdio.h>
#include <cutil_inline.h>
__global__ void excute(int *data)
{   int i;
	int tid=threadIdx.x;
	if(tid<64)
	  {for(i=0;i<5;i++)
	     {data[tid]=data[tid]+1;
	       //__syncthreads();
	      }
	  }
}
int main()
{   int i,size=64;
	
	int *h_data=(int *)malloc(sizeof(int)*size);
   for(i=0;i<size;i++)
		 h_data[i]=2;
	int *h_dataout=(int *)malloc(sizeof(int)*size);
	int * d_data;
   cutilSafeCall(cudaMalloc((void**)&d_data, sizeof(int)*size));
	cutilSafeCall(cudaMemcpy(d_data, h_data,sizeof(int)*size,
   cudaMemcpyHostToDevice));
	excute<<<1,size>>>(d_data);
	cutilSafeCall(cudaMemcpy(h_dataout,d_data, sizeof(int)* size, cudaMemcpyDeviceToHost));
   for(i=0;i<size;i++)
		printf("%d\n",h_dataout[i]);
	return 0;
}问题1：该kernel是想把数组每个值循环加5次1，我让for循环中每个线程完成一次加1了再进行下一轮加1，中间设置syncthreads，结果设与不设效果一样，为什么会有这种现象？问题2：能具体说说syncthreads这个同步函数使用方法和范围吗？问题3：要从主机端向设备端传一个数怎么弄啊？比如我这里要传这个数组大小（64），是不是也要弄个指针才行啊？问题4：怎么让一个warp工作同一件事？CUDA单精度取值范围是多少啊？请各位大牛指点一下啊，小弟不胜感激
2

先说一下__syncthreads作用，这个同步函数的作用是让一个block内所有的线程运行到这个地方以后，才继续向下执行。为啥加上__syncthreads和不加在你的代码里反应不出来任何区别？如果你加上同步函数，那么每个线程在每次进入循环并加值以后，都等待block中所有线程都完成加值，然后再进入下一次循环，也就是说所有的warp执行的循环次数是相同的；如果不加同步函数，那么有可能有些warp执行的快，有些执行的慢（比如warp0已经全部完成5次循环，而warp99可能才完成了2次），但是当你的内核执行完，一定是所有的warp都完成了5次循环，所以运算的结果是相同的。

如果从主机向设备传一个数，和你传数组是一样的，只不过cudaMalloc的大小是1，cudaMemcpy的数据大小也是1

warp本来就是执行同一条指令的，你的意思是让warp中没有if-else的分支吧？

cuda中一个float是4字节，和CPU系统中是一样的！

3

1、你这里根本用不着同步，因为block内线程之间没有使用相互关联的数据。
2、同步最好不要在if条件内使用，因为同步的是block内所有线程，放在if内，很有可能某些线程不满足if，这样的话就会出现一直等待某个线程，会出现死锁。
3、一个数据可以使用指针传，但是好像没必要，直接使用函数的参数就可以了。数组的话要用指针喽
4、warp本身就是工作同一件事。取值范围取决于所使用的位数，float是4字节。