atomicAddが上手くいかない

Question

現在CUDAを用いて並列計算を行っています。
使っているGPUはTesla k20です。
thread数256, block数256で計算を行っています
宣言は
dim3 blocks(256,1,1)
dim3 threads(256,1,1)

デバイス側の関数は以下のようになっています
A_d[blockIdx.x] = 0.0F;
atomicAdd(&A_d[blockIdx.x], B_d[blockIdx.x*threadIdx.x]*C_d[blockIdx.x]);
__syncthreads();

for文で表すと
for(int i=0; i<256; i++){
for(int j=0; j<256; j++){
A_d[i] += B[j*256+i]*C[i];
}
}
のようなことを行いたいのですが結果を見ると全て加算されていない
(例えば256回1を足す計算なのに200となってしまう)

どうしたらちゃんと加算が行われるのでしょうか？
乱文で申し訳ないですがよろしくお願いします

Answer 1

A_d[blockIdx.x] = 0.0F; の直後に__syncthreads()がないと、
加算中に0.0Fで初期化されてしまうのではないでしょうか？

CUDAを使用したことはないので、的外れだったらすみません。

Comments

[sho_jonas]

貴重な意見をありがとうございます。
ですが実際にやってみましたが結果は変わりませんでした。
自分では思いつかないことであったのでとても参考になりました。

[eripong]

そうですか。
解決できず残念です。

結果は、実行のたびに違うのでしょうか？
あるいは、同じでしょうか？

[eripong]

__threadfence_block();
も必要なのかも知れません。

[sho_jonas]

ごめんなさい><
最初の方法で上手くいきました！
プログラムを書き直しているうちに間違ったプログラムを書いてしまって、そこに__syncthreads();を入れてしまっていたので上手く動きませんでした。
その後自分の間違えに気づき__syncthreads();入れたら上手くいきました。
ご迷惑おかけしてすみません。
ありがとうございました。

[eripong]

おお、良かったです。