我在GPU内存中有一个大矩形矩阵NxM，以逐行表示形式存储为一维数组。让我们说这个矩阵实际上是由大小为nxm的子矩阵组成的。为简单起见，假设N是n的倍数并且与M和m相同。我们假设，数组的数据类型是float或double。
找到每个子矩阵中极值的索引有什么有效的方法？例如，如何找到每个子矩阵的最大元素的1维索引，并在某些数组中记下这些索引。
答案 0 :(得分：2)
我很难想象如此自信（或傲慢？）说一个特定的解决方案是“最有效的方式”做某事。
然而，一些想法（没有声称涵盖“最有效”的解决方案）：
我认为基本上有两种“正交”方式来接近这个
哪一个更合适的问题可能取决于矩阵的大小。你提到“N是n的倍数”（类似于M和m）。设大小M x N的矩阵由大小为a*b的{{1}}子矩阵组成。
对于第一种方法，可以简单地让每个线程处理一个子矩阵，使用像
这样的简单循环m x n这里的先决条件是for (all elements of my sub-matrix) max = element > max ? element : max;
“相当大”。也就是说，当你可以为10000个子矩阵启动这个内核时，这可能已经带来了一个很好的加速。
与此相反，在第二种方法中，每个内核（包含其所有线程）将处理一个子矩阵。在这种情况下，内核可以是标准的“简化”内核。 （减少通常是“计算数组元素的总和/乘积”的一个例子，但它适用于任何二进制关联操作，因此不是计算总和或产品，基本上可以使用相同的内核进行计算最小或最大）。因此，将为每个子矩阵启动内核，这只有在子矩阵“相当大”时才有意义。
但是，在两个案例中，必须考虑一般性能指南。特别是，因为在这种情况下，操作显然是内存限制的（而不是计算限制的），必须确保对全局内存（即，到矩阵本身）的访问是合并的，并且占用是由内核创建的尽可能高。
编辑：当然，人们可以考虑以某种方式结合这些方法，但我认为它们至少显示了可用选项空间中最重要的方向。