CUDA Academy · บทเรียน

atomicAdd และฟังก์ชันที่เกี่ยวข้อง

การดำเนินการอ่าน-แก้ไข-เขียนโดยฮาร์ดแวร์

บทเรียน 2 จาก 413 ขั้นตอน

atomicAdd และฟังก์ชันที่เกี่ยวข้อง เป็นบทเรียน CUDA Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน CUDA Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส CUDA Academy มีบทเรียนทั้งหมด 4 บทเรียน

หนึ่งขั้นตอนที่แบ่งแยกไม่ได้

การดำเนินการแบบ อะตอมิกจะอ่าน แก้ไข และเขียนค่าเป็นขั้นตอนเดียวที่ไม่มีเธรดอื่นแทรกได้ จึงกำจัดสภาวะแข่งขัน ⚛️

ทำความรู้จัก atomicAdd

atomicAdd รับพอยน์เตอร์และค่า ทำการบวกอย่างปลอดภัย แล้วคืนค่าเดิม เธรดหลายเธรดจึงสามารถเข้าถึงแอดเดรสเดียวกันได้โดยไม่มีการปรับปรุงที่สูญหาย

atomicAdd(total, 1);

แก้ไขเคาน์เตอร์ที่มีสภาวะแข่งขัน

เปลี่ยนการเพิ่มค่าแบบปกติเป็น atomicAdd แล้วจำนวนจะถูกต้องทุกครั้ง ไม่ว่าเธรดจะทำงานกี่เธรดก็ตาม

__global__ void count(int* total) {
    atomicAdd(total, 1);
}

ค่าที่คืนกลับมามีประโยชน์

atomicAdd คืนค่าที่มีอยู่ ก่อนการบวกของคุณ ค่าเดิมนี้เป็นช่องเฉพาะที่คุณใช้เป็นดัชนีหรือหมายเลขบัตรคิวได้

int slot = atomicAdd(counter, 1);

ตระกูลทั้งหมด

atomicAdd มี เพื่อนร่วมตระกูลอีกมากมาย ได้แก่ atomicSub, atomicMax, atomicMin, atomicExch, atomicAnd, atomicOr และ atomicXor ซึ่งล้วนทำงานแบบอะตอมิกเช่นเดียวกัน

การสลับค่า

atomicExchจัดเก็บค่าใหม่และคืนค่าเดิมภายในขั้นตอนเดียว เหมาะสำหรับการยึดสิทธิ์แฟล็กหรือดึงสถานะก่อนหน้าอย่างปลอดภัย

int prev = atomicExch(flag, 1);

อะตอมิก Max และ Min

atomicMaxจะอัปเดตค่าที่เป้าหมายก็ต่อเมื่อค่าของคุณมีขนาดใหญ่กว่า เหมาะอย่างยิ่งสำหรับการหาค่าสูงสุดทั่วทั้งเธรดโดยไม่มีสภาวะแข่งขัน

atomicMax(best, myValue);

ชนิดข้อมูลที่รองรับ

อะตอมิกรองรับ int, unsigned และในฮาร์ดแวร์รุ่นใหม่ยังรองรับ float กับ double ด้วย ควรตรวจสอบเสมอว่า ชนิดข้อมูลและสถาปัตยกรรมของคุณรองรับการเรียกใช้ที่ต้องการ

อะตอมิกมีต้นทุน

อะตอมิกทำให้เธรดที่เข้าถึงแอดเดรสเดียวกันต้องทำงานตามลำดับ การ แย่งกันเข้าถึงตำแหน่งเดียวมากเกินไปจะกลายเป็นคอขวด จึงควรใช้เฉพาะจุดที่จำเป็น

กระจายภาระงาน

ลดการแย่งกันเข้าถึงด้วยการให้เธรดอัปเดตแอดเดรสที่ แตกต่างกัน แล้วจึงรวมผลลัพธ์ การชนกันน้อยลงทำให้อะตอมิกยังคงทำงานได้รวดเร็ว

อะตอมิกเทียบกับการลดค่า

สำหรับการหาผลรวมของอาร์เรย์ขนาดใหญ่มาก การ ลดค่าแบบต้นไม้มักมีประสิทธิภาพดีกว่าการใช้อะตอมิกจำนวนมาก ควรเลือกใช้อะตอมิกเมื่อการอัปเดตมีน้อยหรือมีรูปแบบไม่สม่ำเสมอ

ตรวจสอบความเข้าใจอย่างรวดเร็ว

ทดสอบความเข้าใจของคุณเกี่ยวกับการทำงานของ atomicAdd

สรุป: atomicAdd และเพื่อนร่วมตระกูล

คุณได้รู้จักตระกูลอะตอมิก แก้ไขเคาน์เตอร์ที่มีสภาวะแข่งขัน และเรียนรู้ว่าอะตอมิกคืนค่าเดิม แต่ต้องใช้เวลาเพิ่มเมื่อมีการ แย่งกันเข้าถึง ✅

เริ่มต้นได้ฟรี

เรียนรู้ C++ ด้วย AI tutor — ฟรี

เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป

คอร์ส
30
บทเรียน
120

คำถามที่พบบ่อย

บทเรียน “atomicAdd และฟังก์ชันที่เกี่ยวข้อง” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “atomicAdd และฟังก์ชันที่เกี่ยวข้อง” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส CUDA Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส CUDA Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “atomicAdd และฟังก์ชันที่เกี่ยวข้อง”

การดำเนินการอ่าน-แก้ไข-เขียนโดยฮาร์ดแวร์ คุณปฏิบัติ CUDA Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน CUDA Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน CUDA Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน

บทเรียน “atomicAdd และฟังก์ชันที่เกี่ยวข้อง” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน CUDA Academy นี้ได้ไหม

ได้ บทเรียน CUDA Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

  1. เงื่อนไขแข่งขันบน GPU
  2. atomicAdd และฟังก์ชันที่เกี่ยวข้อง
  3. สร้างฮิสโตแกรม
  4. การดำเนินการอะตอมิกแบบกำหนดเองด้วย atomicCAS
← กลับไปที่ CUDA Academy