关于使用 GPU 生成随机数（cuda/opencl）

由于特殊原因（原因很特殊（手动狗头））并不能使用 cuda 自带的随机函数。

因此，翻车了....。

目的：在不使用 cuda 自带的随机函数前提下，使用 cuda/opencl 的一个内核函数生成 10000 个高斯分布的随机数。

本人已尝试一下步骤：

1.在 cpu 生成 10000 的随机函数（应该是线性同余算法）

2.在 cpu 使用 The Box Muller transform （听说和线性同余算法使用起来会翻车..）算法将步骤 1 的随机数转成正态分布

3.然后检验是否为正态分布，结果是对的.

4.至此，已经生成了一个 10000 个服从高斯分布的随机数啦，将其保存到数组 a。

事实上需要不断生成并使用数组 a。

因此考虑 GPU

分析：上述的 cpu 代码是序列进行的，也就是只有一个随机种子，然后在一个线程内完成了 10000 个随机数的生成。

然后将代码改改放到 GPU 上面来生成。(目标是实现与 cuda 的函数 curandGenerateNormal(cuda::generator, cudaRand, number, 0.0, 1.0); 一摸一样的功能)。

为了得到与 curandGenerateNormal 函数相同的结果，我尝试每个内核线程维护一个种子，也就是有 10000 个随机数种子。(调用一次内核，然后执行一万个线程，每隔线程使用自己的种子生成一个随机数，然后组合到数组 a 中) 但是目前，我做了试验中，如果每个内核线程维护一个种子，每个线程维护 a[i](i 为线程 id),最后的出来的并不服从高斯分布。

也就是说，纵向去看的话（ cpu 串行）是可以得到高斯分布的随机数，横向并不行。

也就是说，假如有 a 数组，b 数组....z 数组中，每个数组自个是高斯分布，但是 a...z 中，各取一个出来，组合在一起，并不服从高斯分布。

而如果从直观上出发，上述应该也服从高斯分布，但是由于随机种子的问题，可能导致其 a....z 可能有相关性。具体原因我也不是很清楚。

不知道表达清楚没，各位兄台有没有了解过相关的信息？

一句话概括就是：curandGenerateNormal 函数相同的功能...

所以想问问大伙有做过相关的研究吗？