CUDA矩阵与向量乘法并行计算问题：Stride设置异常

你的核心问题是任务拆分逻辑错误：矩阵向量乘法中，每个输出元素b[i]是矩阵A第i行与向量x的点积，需要对该行所有列j做A[i][j] * x[j]的累加。但你当前的代码让i和j都用同一个线程索引idx和步长stride，导致大部分(i,j)组合没被处理，最终只计算了对角线上的元素（比如stride=3时，只有i=j=0、1、2被计算），所以结果变成A[0][0]*x[0]、A[1][1]*x[1]、A[2][2]*x[2]，也就是你看到的(1,4,9)。

修正后的Kernel代码 #

#define L 3 
#define C L

__managed__ int A[C][L], x[C];

__global__ void multiply(int *b)
{   
    int idx = blockIdx.x * blockDim.x + threadIdx.x;
    int stride = gridDim.x * blockDim.x;   
    
    // 每个线程负责处理若干个输出元素i
    for (int i = idx; i < L; i += stride){
        b[i] = 0; // 先清零，避免未初始化的垃圾值
        // 对每个负责的i，遍历整行所有列j计算点积
        for (int j = 0; j < C; j++){
            b[i] += A[i][j] * x[j];
        }         
    }
}

关键修正点 #

• 任务拆分逻辑：线程按输出元素i分配，每个线程处理i = idx, idx+stride, idx+2*stride...的输出位置，确保每个i只被一个线程处理，无重复、无遗漏。
• 内层循环范围：对每个i，遍历所有j（0到C-1）完成点积计算，保证每个元素都被累加到对应的b[i]中。
• 初始化b[i]：必须先将b[i]清零，否则会累加内存中的初始垃圾值，导致结果错误。

为什么原代码会出错 #

当你用3个及以上线程时，stride >= 3，原代码中i和j都从idx开始以stride步长遍历，最终只有i=j=idx的位置被计算，相当于只做了对角线元素的乘法，完全漏掉了行内其他列的累加，自然得到错误结果。

内容的提问来源于stack exchange，提问作者yuggoth19