cuda-gdb 调试 Program terminated with signal SIGKILL, Killed. The program no longer exists.

问题简介：

问题背景：

编写cuda程序，需要核对计算过程是否正确，所以使用cuda-gdb来进行单步调试，并显示运算过程及结果。
通过 nvcc -g -G location.cu -o location 编译cuda程序
通过 cuda-gdb location 调试程序
键入 r 程序断在如图示：

报出错误如下：

CUDA Exception: Warp Illegal Address
The exception was triggered at PC 0x5555c9de90 (location2.cu:45)

(cuda-gdb) n
[Thread 0x7fb7ff5010 (LWP 10479) exited]Program terminated with signal SIGKILL, Killed.
The program no longer exists.

问题分析：

在gdb调试时出现以上报错信息，通常是内存相关问题，查看系统日志 tail /var/log/kern.log -n 1000 发现如下：

Aug 12 09:29:11 nx kernel: [ 1197.607814] nvgpu: 17000000.gv11b         gv11b_fb_print_fault_info:710  [ERR]  [MMU FAULT] mmu engine id:  65, ch id:  504, fault addr: 0x7ffff4e000, fault addr aperture: 0, fault type: invalid pde, access type: virt read,
Aug 12 09:29:11 nx kernel: [ 1197.608185] nvgpu: 17000000.gv11b         gv11b_fb_print_fault_info:719  [ERR]  [MMU FAULT] protected mode: 0, client type: gpc, client id:  t1 2, gpc id if client type is gpc: 0,

Aug 12 09:29:12 nx kernel: [ 1199.027576] nvgpu: 17000000.gv11b         gk20a_fifo_deferred_reset:1604 [ERR]  chid: 503 is not bound to tsg
Aug 12 09:29:12 nx kernel: [ 1199.039202] nvgpu: 17000000.gv11b          gk20a_tsg_unbind_channel:169  [ERR]  Channel 504 unbind failed, tearing down TSG 4

第一段日志信息说是 [MMU FAULT] fault addr: 0x7ffff4e000
此时，我却任然一头雾水，在网上搜索了很多关于
“cuda-gdb 调试 Program terminated with signal SIGKILL, Killed.
The program no longer exists.”
这样的关键词，但所得结果均无效。搜索一下午，困惑一晚上，任然不得其解。第二天早上迷迷糊糊看向核函数的形参恍然大悟，问题不就是：将host变量引用传递给了device

在找到原因后才发现：其实，最重要的报错信息是如下，而我却忽略了

CUDA Exception: Warp Illegal Address
The exception was triggered at PC 0x5555c9de90 (location2.cu:45)

这报错信息明确说明线程束非法地址，其异常被触发在 location2.cu 的45行处。这意思不就是说地址非法了，再看源码

__global__
void gpu_location_kernel(DeviceArray2D<float>& struct_dev_arr_input_2D,DeviceArray2D<float>& struct_dev_arr_w1_2D, DeviceArray2D<float>& struct_dev_arr_w2_2D, DeviceArray2D<float>& struct_dev_arr_w3_2D,DeviceArray2D<float>& struct_dev_arr_b1_2D, DeviceArray2D<float>& struct_dev_arr_b2_2D, DeviceArray2D<float>& struct_dev_arr_b3_2D,DeviceArray2D<float>& struct_dev_median_layer1_reuslt, DeviceArray2D<float>& struct_dev_median_layer2_reuslt, DeviceArray2D<float>& struct_dev_final_reuslt)
{...
}

哈哈，我居然在核函数里使用引用，大错特错，再看源码调用 gpu_location_kernel 处，传递的参数居然是 host 变量的引用，大错特错。

想想为什么会犯这个错误呢？
其实我只是想通过结构体引用传递多个参数值，如果一个参数一个参数写作形参，实在是太长了。遂而将 device 地址放到了 host 结构体中，然后将 host 结构体的引用作为实参传递给核函数，这不出现非法地址，才怪！

解决办法：

只需要将 host 结构体拷贝到 device 结构体中，然后将 device 结构体指针传递给核函数就可以了，这样既满足了传递多个参数而不追加形参，而又解决了目前的问题。
代码如下：

struct GPULocationKernelParameter{float *dev_arr_input_2D;size_t dev_arr_input_2D_pitch;int dev_arr_input_2D_rows;int dev_arr_input_2D_columns;float *dev_arr_w1_2D;size_t dev_arr_w1_2D_pitch;int dev_arr_w1_2D_rows;int dev_arr_w1_2D_columns;float *dev_arr_w2_2D;size_t dev_arr_w2_2D_pitch;int dev_arr_w2_2D_rows;int dev_arr_w2_2D_columns;float *dev_arr_w3_2D;size_t dev_arr_w3_2D_pitch;int dev_arr_w3_2D_rows;int dev_arr_w3_2D_columns;float *dev_arr_b1_2D;size_t dev_arr_b1_2D_pitch;int dev_arr_b1_2D_rows;int dev_arr_b1_2D_columns;float *dev_arr_b2_2D;size_t dev_arr_b2_2D_pitch;int dev_arr_b2_2D_rows;int dev_arr_b2_2D_columns;float *dev_arr_b3_2D;size_t dev_arr_b3_2D_pitch;int dev_arr_b3_2D_rows;int dev_arr_b3_2D_columns;float *dev_median_layer1_reuslt;size_t dev_median_layer1_reuslt_pitch;int dev_median_layer1_reuslt_rows;int dev_median_layer1_reuslt_columns;float *dev_median_layer2_reuslt;size_t dev_median_layer2_reuslt_pitch;int dev_median_layer2_reuslt_rows;int dev_median_layer2_reuslt_columns;float *dev_final_reuslt;size_t dev_final_reuslt_pitch;int dev_final_reuslt_rows;int dev_final_reuslt_columns;
};__global__
void gpu_location_kernel(GPULocationKernelParameter *dev_kernelParameter)
{GPULocationKernelParameter dev_struct_kernelParameter = *dev_kernelParameter;...
}

补充：

1.参考的cuda-gdb调试文章
CUDA-GDB 使用
CUDA C编程（三十八）CUDA调试
GDB调试操作
GDB调试

2.感悟
这个问题我思考了一下午近5h，外加困扰一晚上。现在回想这个问题的原因在报出时就已经给出了，然而我却浑然不知。所以我还是应该认认真真地去看执行过程报出的错误，里面每一个单词，每一句话都有深意。