Thrust Fehler mit CUDA separate Kompilierung

Question

Ich habe einen Fehler, wenn ich versuche, CUDA mit verschiebbaren Gerätecode zu kompilieren (-rdc = wahr). Ich verwende Visual Studio 2013 als Compiler mit CUDA 7.5. Unten ist ein kleines Beispiel, das den Fehler zeigt. Um dies zu verdeutlichen, ist der folgende Code in Ordnung, wenn -rdc = false, aber wenn er auf "true" gesetzt ist, wird der Fehler angezeigt.

Der Fehler einfach sagt: CUDA Fehler 11 [\ cuda \ Detail \ Cub \ device \ Dispatch/device_radix_sort_dispatch.cuh, 687]: ungültiges Argument

Dann fand ich this, die sagt:

When invoked with primitive data types, thrust::sort, thrust::sort_by_key,thrust::stable_sort, thrust::stable_sort_by_key may fail to link in some cases with nvcc -rdc=true. 

Gibt es eine Problemumgehung, um separate Kompilierung zu ermöglichen?

main.cpp:

#include <stdio.h> 
#include <vector> 
#include "cuda_runtime.h" 
#include "RadixSort.h" 

typedef unsigned int uint; 
typedef unsigned __int64 uint64; 

int main() 
{ 
    RadixSort sorter; 

    uint n = 10; 
    std::vector<uint64> test(n); 
    for (uint i = 0; i < n; i++) 
     test[i] = i + 1; 

    uint64 * d_array; 
    uint64 size = n * sizeof(uint64); 

    cudaMalloc(&d_array, size); 
    cudaMemcpy(d_array, test.data(), size, cudaMemcpyHostToDevice); 

    try 
    { 
     sorter.Sort(d_array, n); 
    } 
    catch (const std::exception & ex) 
    { 
     printf("%s\n", ex.what()); 
    } 
} 

RadixSort.h:

#pragma once 
typedef unsigned int uint; 
typedef unsigned __int64 uint64; 

class RadixSort 
{ 
public: 
    RadixSort() {} 
    ~RadixSort() {} 

    void Sort(uint64 * input, const uint n); 
}; 

RadixSort.cu:

#include "RadixSort.h" 

#include <thrust/device_vector.h> 
#include <thrust/device_ptr.h> 
#include <thrust/sort.h> 

void RadixSort::Sort(uint64 * input, const uint n) 
{ 
    thrust::device_ptr<uint64> d_input = thrust::device_pointer_cast(input); 
    thrust::stable_sort(d_input, d_input + n); 
    cudaDeviceSynchronize(); 
} 

Answer 1

Wie von Robert Crovella in den Kommentaren erwähnt:

Ändern der CUDA-Architektur in Ein höherer Wert wird dieses Problem lösen. In meinem Fall habe ich es in compute_30 und sm_30 unter CUDA C++ -> Device -> Code Generation geändert.

Edit:

Die allgemeine Empfehlung ist die beste Lösung Hierarchie für Ihre spezifische GPU auszuwählen. Weitere Informationen finden Sie unter dem Link in Kommentaren.