Em cuBLAS,cublasIsamin() fornece o argmin para uma matriz de precisão única.

Aqui está a declaração completa da função:cublasStatus_t cublasIsamin(cublasHandle_t handle, int n, const float *x, int incx, int *result)

O guia do programador cuBLAS fornece esta informação sobre ocublasIsamin() parâmetros:

Se eu usarhospedeiro (CPU) memória pararesult, entãocublasIsamin funciona corretamente. Aqui está um exemplo:

void argmin_experiment_hostOutput(){
    float h_A[4] = {1, 2, 3, 4}; int N = 4; 
    float* d_A = 0;
    CHECK_CUDART(cudaMalloc((void**)&d_A, N * sizeof(d_A[0])));
    CHECK_CUBLAS(cublasSetVector(N, sizeof(h_A[0]), h_A, 1, d_A, 1));
    cublasHandle_t handle; CHECK_CUBLAS(cublasCreate(&handle));

    int result; //host memory
    CHECK_CUBLAS(cublasIsamin(handle, N, d_A, 1, &result));
    printf("argmin = %d, min = %f \n", result, h_A[result]);

    CHECK_CUBLAS(cublasDestroy(handle));
}

No entanto, se eu usardispositivo (GPU) pararesult, entãocublasIsamin segfaults. Aqui está um exemplo que segfaults:

void argmin_experiment_deviceOutput(){
    float h_A[4] = {1, 2, 3, 4}; int N = 4;
    float* d_A = 0;
    CHECK_CUDART(cudaMalloc((void**)&d_A, N * sizeof(d_A[0])));
    CHECK_CUBLAS(cublasSetVector(N, sizeof(h_A[0]), h_A, 1, d_A, 1));
    cublasHandle_t handle; CHECK_CUBLAS(cublasCreate(&handle));

    int* d_result = 0; 
    CHECK_CUDART(cudaMalloc((void**)&d_result, 1 * sizeof(d_result[0]))); //just enough device memory for 1 result
    CHECK_CUDART(cudaMemset(d_result, 0, 1 * sizeof(d_result[0])));
    CHECK_CUBLAS(cublasIsamin(handle, N, d_A, 1, d_result)); //SEGFAULT!

    CHECK_CUBLAS(cublasDestroy(handle));
}

O guia da Nvidia diz que `cublasIsamin ()` pode enviar para a memória do dispositivo. O que estou fazendo de errado?

Motivação: Eu quero calcular o argmin () de vários vetores simultaneamente em múltiplos fluxos. A saída para a memória do host requer a sincronização CPU-GPU e parece matar a simultaneidade multi-kernel. Então, eu quero enviar o argmin para a memória do dispositivo.