Question

我正在尝试创建一个cuda程序，通过缩减算法计算长向量中的真值（由非零值定义）的数量。我得到了有趣的结果。我得到0或（ceil（N / threadsPerBlock）* threadsPerBlock），两者都不正确。

__global__ void count_reduce_logical(int *  l, int * cntl, int N){
    // suml is assumed to blockDim.x long and hold the partial counts
    __shared__ int cache[threadsPerBlock];
    int cidx = threadIdx.x;
    int tid = threadIdx.x + blockIdx.x*blockDim.x;

    int cnt_tmp=0;
    while(tid<N){
        if(l[tid]!=0)
                cnt_tmp++;
        tid+=blockDim.x*gridDim.x;
    }
    cache[cidx]=cnt_tmp;
    __syncthreads();
    //reduce
    int k =blockDim.x/2;
    while(k!=0){
        if(threadIdx.x<k)
            cache[cidx] += cache[cidx];
        __syncthreads();
        k/=2;
    }
    if(cidx==0)
        cntl[blockIdx.x] = cache[0];
}

然后主机代码收集cntl结果并完成求和。这将是一个大型项目的一部分，其中数据已经在GPU上，因此如果它们正常工作，那么在那里进行计算是有意义的。

Answer 1

您可以使用count the nonzero-values使用一行代码Thrust。这是一个代码片段，用于计算device_vector中的1的数量。

#include <thrust/count.h>
#include <thrust/device_vector.h>
...
// put three 1s in a device_vector
thrust::device_vector<int> vec(5,0);
vec[1] = 1;
vec[3] = 1;
vec[4] = 1;

// count the 1s
int result = thrust::count(vec.begin(), vec.end(), 1);
// result == 3

如果您的数据不在device_vector内，您仍然可以wrapping the raw pointers使用thrust::count。

Answer 2

在减少你正在做的事情：

cache[cidx] += cache[cidx];

难道你不想戳到块的本地值的另一半吗？

CUDA计数，减少和螺纹扭曲

2 个答案: