不同工作组中的OpenCL总和减少会产生错误的结果

Question

因此，我目前正在尝试在OpenCL中编写内核，其目的是求和将矩阵（g_idata）的每一行减少为一个数组（g_odata）。所述矩阵由具有column_count * row_count长度的float数组表示，所得数组的长度为row_count。因此，我实现了以下内核：

#define T float
#define Operation(X, Y) ((X) + (Y))

__kernel void marrow_kernel( __global T *g_odata,__global T *g_idata, 
            const unsigned long column_count, const unsigned long row_count, __local volatile T* sdata) {

size_t tid = get_local_id(0);
size_t gid = get_global_id(0);

size_t row = gid / column_count;
size_t column = gid % column_count;


if(row < row_count && column < column_count)
{
    sdata[tid] = g_idata[gid];
}
barrier(CLK_LOCAL_MEM_FENCE);

if(row < row_count && column < column_count)
{
   size_t step = column_count / 2;
   size_t limit = column_count;

   while(step > 0)
   {
        if(column + step < limit) {
            if(tid + step < get_local_size(0))
            {
                sdata[tid] = Operation(sdata[tid], sdata[tid + step]);
            }
            else if (gid + step < column_count * row_count)
            {
                sdata[tid] = Operation(sdata[tid], g_idata[gid + step]);
            }
        }

        barrier(CLK_LOCAL_MEM_FENCE);

        step /= 2;
        limit /= 2;
   }
}


barrier(CLK_LOCAL_MEM_FENCE);

if(row < row_count && column == 0)
{
    g_odata[row] = column_count % 2 == 0 ? sdata[tid] : sdata[tid] + g_idata[gid + (column_count - 1)];
}

}

当前正在使用128个工作单元的工作组实例化内核。我目前无法控制工作组的大小。

现在是问题所在：如果可以说我有两个不同工作组之间共享的行，它将返回错误的结果，因为它将获取g_idata中的值，因为无法访问下一个工作组本地内存的结果。第一次迭代后，这是错误的值，它将影响操作的最终结果。

任何人都可以给我提示如何解决这个问题？