计算核函数的运行次数

[GPU小码农]

哪位大神帮忙改改，我就像算算核函数运行了几次，但是老是出错
感觉不太明白核函数到底是怎么运行的，目前正在学习《GPU高性能编程CUDA实战》
到底开了几个线程？还有核函数里面为什么又用了while循环来计算索引，没搞懂啊！！求大神指点啊！！

#define N (33 * 1024)

int count = 0;

__global__ void  add(int *a , int *b , int* c ,int count_)
{
	int tid = threadIdx.x + blockIdx.x * blockDim.x;//获得线程索引
	//			printf("tid = %d\n",tid);
	count_ += 1;//计算函数运行了几次
	while( tid < N)//必须检查是否在正确的偏移范围类内
	{
			c[ tid ] = a[ tid ] + b[ tid ];
			tid += blockDim.x * gridDim.x;
	}
}

int main()
{
	int a[N] , b[N] , c[N];
	int *dev_a, *dev_b , *dev_c;
	int *n = 0;
	int n_result = 2;
	//在GPU上分配内存
	cudaMalloc( (void**)&dev_a , N * sizeof(int ) );
	cudaMalloc( (void**)&dev_b , N * sizeof(int ) );
	cudaMalloc( (void**)&dev_c , N * sizeof(int ) );
	cudaMalloc( (void**)&n , sizeof(int ) );

	//在CPU上为数组a,b赋初值
	for(int i = 0; i < N; i++)
	{
		a[i] = -i;
		b[i] = i * i;		 
	}
	//将数组a, b 复制到GPU上去计算
	cudaMemcpy( dev_a , a , N * sizeof(int) , cudaMemcpyHostToDevice);
	cudaMemcpy( dev_b , b , N * sizeof(int) , cudaMemcpyHostToDevice);

	add<<<128,128>>>( dev_a , dev_b , dev_c, *n);
	//计算完毕，将数组C从GPU复制到CPU
	cudaMemcpy( c , dev_c , N * sizeof(int) , cudaMemcpyDeviceToHost);
	//计算完毕，将n从GPU复制到CPU
	cudaMemcpy( &count , n , sizeof(int) , cudaMemcpyDeviceToHost);
	//验证GPU确实完成了我们要求的工作
	bool success = true;
	//显示结果
	for(int  i = 0; i < N ; i++)
	{
		if( ( a[i] + b[i]) != c[i] )
		{
			printf("error\n");
			success = false;
		}
		//printf(" %d + %d = %d \n", a[i] , b[i] , c[i]);
	}
	if(success)
		printf("we did it ! \n");
	//最后记得释放在GPU上分配的内存
		printf("n = %d", count);

	cudaFree( dev_a );
	cudaFree( dev_b );
	cudaFree( dev_c );
	cudaFree( n );

	getchar();
	return 0;
}

[kakjj123]

kernel内用原子加