对矢量的最小K个元素进行排序，以在GPU上实现暴力K最近邻算法

Question

我使用纯CUDA和Thrust库函数调用在GPU上实现了 K 最近邻居。

欧几里德距离是用纯CUDA内核计算的。然后，推力分选设施（基数排序）用于按递增顺序对距离进行排序。最后，从排序后的向量中检索 K 第一个元素（即 K 最近邻居）。

我的实施效果很好。但是，排序整个欧氏距离矩阵（集合可以包含超过250000列车样本）只是为了检索 K -nn似乎不是最优的。

因此，我正在寻找一种GPU算法实现，它允许在找到 K 最小元素后停止排序计算，或者执行高效的 K 输出 N 排序。对于小 K 而言，确实比对整个矩阵进行排序更快。

如果没有这样的实现，我也会对建议感兴趣，以便在纯CUDA或Thrust中有效地实现它。我想在每个测试样本中使用几个线程来查找最接近的 K ，每个线程都运行到欧氏距离的一部分。我会在共享内存中维护一个大小为 K 的缓冲区。我将遍历距离并将Knn插入共享内存向量中。但是，它需要一些warp级别同步和线程分歧。

感谢您的帮助。

Answer 1

您正在寻找 K 最近邻问题的方法，包括两个步骤：

1. 找出元素之间的欧几里德距离;
2. 查找提供K最小距离的第一个K元素。

似乎这种方法已经存在并已在

中实施

K.Kato and T.Hosino, "Solving k-Nearest Neighbor Problem on Multiple Graphics Processors"

并在2009年GTC大会上作为

提交

K.Kato and T.Hosino, "You Might Also Like: A Multi-GPU Recommendation System"

该方法通过

解决了上述两个步骤
1. 使用L.Nyland，M.Harris，J.Prins，“Fast N -body simulation with CUDA”开发的经典 N -body方法，在： GPU Gems III。 NVIDIA（2007）677-695计算欧氏距离;
2. 使用partial sorting技术，基于并行的heapsort理念。

同样，正如我在上面的评论中所提到的，避免使用“蛮力”的更好方法是使用KD-trees。