CUDA二维数组拷贝仅成功第一行，求问题排查与解决

你的代码存在三个关键错误，导致仅第一行数据拷贝成功：

1. GPU内存访问逻辑错误 #

cudaMallocPitch分配的GPU内存是按行对齐的，每行实际占用的字节数是返回的pitch值（通常大于N*sizeof(double)，用于满足硬件对齐要求）。你在kernel中用连续索引d_A[i]遍历，只会访问到第一行的有效数据，后续地址属于未拷贝的对齐填充区域，因此显示为0。

正确的访问方式应该是通过行偏移+列偏移计算地址：

// 第y行第x列元素的索引计算
int idx = y * (pitch / sizeof(double)) + x;
double val = d_A[idx];

2. 代码拼写与语法错误 #

• kernel参数N缺少类型声明，应为__global__ void kernel_print(double* d_A, int N, size_t pitch)
• 变量名拼写错误：kernal_print应为kernel_print，blocknum应为blocksnum
• kernel中定义的xIdx和yIdx未被使用，属于冗余代码

3. 缺少设备同步 #

调用kernel后未执行cudaDeviceSynchronize()，主机可能在GPU完成printf输出前就结束程序，导致输出不完整或异常。

修正后的完整代码 #

#include <stdio.h>
#define N 3

void function(){
   double A[N][N] = {{1,2,3}, {4,5,6}, {7,8,9}};
 
   double* d_A;
   size_t pitch;
   cudaMallocPitch(&d_A, &pitch, N * sizeof(double), N);
   cudaMemcpy2D(d_A, pitch, A, N * sizeof(double), N * sizeof(double), N, cudaMemcpyHostToDevice);

   int threadnum = 1;
   int blocksnum = 1; 
   
   kernel_print<<<blocksnum, threadnum>>>(d_A, N, pitch); 
   
   // 同步设备，确保printf输出完成
   cudaDeviceSynchronize();

   cudaFree(d_A);
}

__global__ void kernel_print(double* d_A, int N, size_t pitch){
   printf("\n");
   for(int y = 0; y < N; y++){
       for(int x = 0; x < N; x++){
           int idx = y * (pitch / sizeof(double)) + x;
           printf("%f, ", d_A[idx]);
       }
   }
   printf("\n");
}

int main(){
    function();
    return 0;
}

关键注意事项 #

• 必须将pitch传递给kernel，用于计算每行的实际元素数量
• 访问GPU数组时，严格按照行索引 * 每行元素数 + 列索引的规则计算地址
• 调用CUDA kernel后，建议使用cudaDeviceSynchronize()同步主机与设备，确保输出或后续操作的正确性
• 调试时可检查CUDA API的返回值（如cudaMallocPitch、cudaMemcpy2D的返回值），快速定位内存分配或拷贝错误

内容的提问来源于stack exchange，提问作者TBB