c++ - 用于列规范化的 cuda 内核(分段缩减)

Question

我正在将一些代码移植到 GPU 并且我已经实现了大部分代码，除了我的算法需要执行列规范化步骤(或者它应该，算法在没有它的情况下工作，但最好对算法进行规范化稳定)。

我正在努力想出实现它的最佳方法。我已经有一个可以减少的内核，所以我可以重用它来获取列总和。列的数量可以少到几十列，每列几千个元素，最多几千列，每列几千个元素。如果我在每一列上迭代调用我的缩减内核，我认为性能会很差，所以我正在尝试想出更好的方法，并希望其他人已经以更优化的方式解决了这个问题。

Answer 1

您可能需要查看开源 CUDA Data-Parallel Primitives Library(CUDPP)来自加州大学戴维斯分校/Nvidia 的团队。它包括快速分段扫描和并行缩减。