前言
host端当然可以用cstdlib中的rand()函数生成随机数，但设备端如何使用这些随机数？每调用一次rand()，就通过cudaMemcpy传递给显存吗？显然不是，这会消耗太多I/O时间；先调用n次，一次性传到device中吗？虽然可行，但并不是最优解。能否用一种方法，让主机仅仅传给设备一个信号，使得多个随机数在device端被生成，这样就能避免过多的I/O带来的耗时问题；或者调用一个设备端函数，使得设备端可以根据需要动态生成随机数。于是curand库和curand_kernel库进入了我们的视野。
参考文献
CUDA随机数种类
CUDA总共提供两种类型的随机数生成，一种是位于host（CPU）端的随机数，一种是位于device（GPU）端的随机数。
- 对于host端的随机数生成，需要/include/curand.h头文件，还需要curand依赖库，（如何添加请看：http://blog.csdn/u012348774/article/details/78901205）。不过host端随机数不一定要在host端生成，也可以指定在device端生成。当指定在host端生成随机数时，程序调用CPU完成所有的随机数，并将所有的结果保存在host端；而当制定在device端生成随机数时，**程序的调用由CPU完成，程序的执行却是在device端，**最终生成的随机数也保存着在device的全局内存中。
- 对于device端的随机数生成，则需要/include/curand_kernel.h。此时随机数生成也是使用GPU生成，由于此时的代码可以直接编写在device或者global函数中，生成的随机数可以直接被核函数调用。
host端随机数生成
host端device模式的随机数生成大致分为以下几个步骤：
- 使用curandCreateGenerator()选择一个合适的随机数生成方式，初始化随机数生成器；
- 设置随机数生成器的一些参数，例如种子点、偏移量等等；值得注意的是，此处的seed如果是一样的，那么每次生成的随机数都会是一样的。因此要确保生成的随机数不重复，最好设置独一无二的seed，例如当前时间。
- 使用cudaMalloc()在device端声明内存；
- 使用curandGenerate() 生成随机数并保存用于使用。
host端host模式的随机数生成大致分为以下几个步骤：
- 使用curandCreateGeneratorHost()选择一个合适的随机数生成方式，初始化随机数生成器；
- 设置随机数生成器的一些参数，例如种子点、偏移量等等；值得注意的是，此处的seed如果是一样的，那么每次生成的随机数都会是一样的。因此要确保生成的随机数不重复，最好设置独一无二的seed，例如当前时间。
- 使用malloc()在host端声明内存；
- 使用curandGenerate() 生成随机数并保存用于使用。
curandGenerate() 类型
//生成伪随机序列，返回的随机数是32-bit的无符号整形
curandGenerate( curandGenerator_t generator, unsigned int *outputPtr, size_t num)
//生成64bit的伪随机序列
curandGenerateLongLong( curandGenerator_t generator, unsigned long long *outputPtr, size_t num)
//生产0-1之间的单精度浮点型伪随机序列
curandGenerateUniform(curandGenerator_t generator, float *outputPtr, size_t num)
//按照指定的均值和方差生成伪随机序列
curandGenerateNormal( curandGenerator_t generator, float *outputPtr, size_t n, float mean, float stddev)
device端随机数生成
步骤
使用curand的deviceAPI生成随机数主要需要三个步骤
a．创建一个随机算法状态的对象，如curandState state
b．对状态进行初始化，使用curand_init（）函数
c．生成随机数，使用curand等
参考文献
a步：创建随机算法状态对象
在deviceAPI中，有４中为随机算法，４种真随机算法
伪随机算法 对应的状态
Mtgp32 curandStateMtgp32_t
MRG32k3a curandStateMRG32k3a_t
Philox4_32_10 curandStatePhilox4_32_10_t
XORWOW curandStateWORWOW_t
真随机算法 对应的状态
scrambled Sobol64 curandStateScrambledSobol64_t
Sobol64 curandStateSobol64_t
scrambled Sobol32 curandStateScrambledSobol32_t
Sobol32 curandStateSobol32_t
如要创建算法XORWOW状态对象：curandStateWORWOW_t state
b步：curand_init（）
device void
curand_init (
unsigned long long seed, unsigned long long sequence,
unsigned long long offset, curandState_t *state)
c步：生成随机数
生成随机数除了可以使用不同的算法（由参数决定）以外，还能生成不同分布、不同浮点类型的随机数，这根据调用的生成随机数的API决定。
主要有以下几种API：
curand 生成unsigned int型整数，没有特殊分布
curand_uniform 生成服从均匀分布的float
curand_uniform4 生成4个服从均匀分布的float
curand_uniform_double 生成服从均匀分布的double
curand_uniform2_double 生成2个服从均匀分布的double
curand_poisson 生成服从泊松分布的int
curand_poisson4 生成４个服从泊松分布的int
curand_normal 生成服从正态分布的float
curand_normal2 生成２个服从正态分布的float
curand_normal4 生成４个服从正态分布的float
curand_normal_double 生成服从正态分布的double
curand_normal2_double 生成２个服从正态分布的double
curand_log_normal 生成服从对数正态分布的float
curand_log_normal2 生成2个服从对数正态分布的float
curand_log_normal4 生成４个服从对数正态分布的float
curand_log_normal_double 生成服从对数正态分布的double
curand_log_normal2_double 生成２个服从对数正态分布的double
curand_mtgp32_single 生成mtgp32算法中服从均匀分布的float
curand_mtgp32_single_specific 生成mtgp32算法中服从特殊泊松分布的float
curand_mtgp32_specific 生成mtgp32算法中的32bits的int
如要生成一个int型的随机数，采用XORWOW算法：curand(curandStateXORWOW_t* state)
unsigned int x = curand(&localState);
float x = curand_uniform(&localState);
float2 x = curand_normal2(&localState);
double x = curand_uniform_double(&localState);
double x = curand_normal_double(&localState);
一个例子
-
创建cuda_runtime的项目文件后，
-
转到"属性"->" CUDA"，然后将" CUDA Toolkit自定义目录"设置为CUDA工具包目录。
对我来说是：C：\ Program Files \ nVIDIA GPU Computing Toolkit \ CUDA \ v10.0 -
将以下代码复制进去
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include "curand_kernel.h"
#include <stdio.h>
#define BLOCKS 32
#define THREAD_NUM 6
__global__ void setup_kernel(curandState *state, unsigned long seed)
{
int tid = blockIdx.x *blockDim.x + threadIdx.x; //获取线程号0~blocks*THREAD_NUM-1 grid划分成1维，block划分为1维
curand_init(seed, tid, 0, &state[tid]);// initialize the state
}
__global__ void use(curandState *globalState)
{
unsigned int j;
int tid = blockIdx.x *blockDim.x + threadIdx.x; //获取线程号0~blocks*THREAD_NUM-1 grid划分成1维，block划分为1维
curandState localState = globalState[tid];
j = (curand(&localState));
printf("%u\n", j);
}
int main()
{
curandState* devStates; //创建一个随机算法状态的对象
cudaMalloc(&devStates, BLOCKS * THREAD_NUM * sizeof(curandState));
srand(time(0));
setup_kernel << <BLOCKS, THREAD_NUM >> > (devStates, rand()); // blocks number is POP. thread number is P
use << < BLOCKS, THREAD_NUM >> > (devStates);
return 0;
}
更多推荐
cuda随机数生成
发布评论