nvcc 中的--default-stream per-thread 编译选项如何正确添加到vs2010中

[free_lock]

我参考http://devblogs.nvidia.com/parallelforall/gpu-pro-tip-cuda-7-streams-simplify-concurrency/
希望用并行stream。
在命令行下通过编译可以从3s降低到1s， 但是我依赖的库比较多，我想知道怎么用vs2010编译。

我想把per-thread的编译选项添加到vs2010中，
已经试过了，直接在Command Line的“其他选项”中添加--default-stream per-thread 是不行的。
得到的stream并不是并行的。


从用户手册来看，我还可以用添加宏的方式：
For code that is compiled using the --default-stream per-thread compilation flag
(or that defines the CUDA_API_PER_THREAD_DEFAULT_STREAM macro before including
CUDA headers (cuda.h and cuda_runtime.h)), the default stream is a regular stream
and each host thread has its own default stream.
For code that is compiled using the --default-stream null compilation flag, the
default stream is a special stream called the NULL stream and each device has a single
NULL stream used for all host threads. The NULL stream is special as it causes implicit
synchronization as described in Implicit Synchronization.

不过我试过了依然没有并行，我也不知道要怎么改进了，求高人指点

[free_lock]

补充一点，上面所说的3s到1s是指没有使用pthread的测试代码，如果使用pthread的这段代码

#include <pthread.h>
#include <stdio.h>

const int N = 1 << 20;

__global__ void kernel(float *x, int n)
{
    int tid = threadIdx.x + blockIdx.x * blockDim.x;
    for (int i = tid; i < n; i += blockDim.x * gridDim.x) {
        x[i] = sqrt(pow(3.14159,i));
    }
}

void *launch_kernel(void *dummy)
{
    float *data;
    cudaMalloc(&data, N * sizeof(float));

    kernel<<<1, 64>>>(data, N);

    cudaStreamSynchronize(0);

    return NULL;
}

int main()
{
    const int num_threads = 8;

    pthread_t threads[num_threads];

    for (int i = 0; i < num_threads; i++) {
        if (pthread_create(&threads[i], NULL, launch_kernel, 0)) {
            fprintf(stderr, "Error creating threadn");
            return 1;
        }
    }

    for (int i = 0; i < num_threads; i++) {
        if(pthread_join(threads[i], NULL)) {
            fprintf(stderr, "Error joining threadn");
            return 2;
        }
    }

    cudaDeviceReset();

    return 0;
}

那么得到的就是提问中的图。
我随后改变了一下代码中控制流同步的部分：
cudaStreamSynchronize()
改为：
cudaDeviceSynchronize()，
得到新的图为：

有一部分流是并行了，这到底是什么原因呢？为什么我不能让它们全部并行呢？
by the way, 我想请教下在vs2010 命令行下编译的问题：

nvcc --default-stream per-thread -I /includepath test.cu -l pthread.lib -o test
（第一个为大（i），第二个为小（L））
这样的方式错在哪里，为什么与pthread相关的库中的函数无法解析呢？
在工程中通过附加库的形式添加是没有问题的，还望指点迷津。

[熊猫视觉]

楼主，我最近也在想这个问题，可以一起交流下

[skysbjdy]

最后找打问题所在呢吗??? 怎么解决的??

[qq_18668575]

你好，请问这个问题后来解决了吗？我现在也是遇到和你一样的问题。