CUDA：结果总和
我正在使用 CUDA 来运行一个问题，其中我需要一个包含许多输入矩阵的复杂方程。每个矩阵都有一个 ID，具体取决于其集合（1 到 30 之间，有 100,000 个矩阵），每个矩阵的结果存储在 float[N] 数组中，其中 N 是输入矩阵的数量。
之后，我想要的结果是该数组中每个 ID 的每个浮点数的总和，因此如果有 30 个 ID，则有 30 个结果浮点数。
关于我应该如何执行此操作有什么建议吗？
现在，我将浮点数组（400kb）从设备读回主机并在主机上运行：
// Allocate result_array for 100,000 floats on the device
// CUDA process input matrices
// Read from the device back to the host into result_array
float result[10] = { 0 };
for (int i = 0; i < N; i++)
{
result[input[i].ID] += result_array[i];
}
但我想知道是否有更好的方法。
I'm using CUDA to run a problem where I need a complex equation with many input matrices. Each matrix has an ID depending on its set (between 1 and 30, there are 100,000 matrices) and the result of each matrix is stored in a float[N] array where N is the number of input matrices.
After this, the result I want is the sum of every float in this array for each ID, so with 30 IDs there are 30 result floats.
Any suggestions on how I should do this?
Right now, I read the float array (400kb) back to the host from the device and run this on the host:
// Allocate result_array for 100,000 floats on the device
// CUDA process input matrices
// Read from the device back to the host into result_array
float result[10] = { 0 };
for (int i = 0; i < N; i++)
{
result[input[i].ID] += result_array[i];
}
But I'm wondering if there's a better way.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您可以使用 cublasSasum() 来执行此操作 - 这比调整 SDK 缩减之一要容易一些（当然不太通用）。查看 CUDA SDK 中的 CUBLAS 示例。
You could use
cublasSasum()to do this - this is a bit easier than adapting one of the SDK reductions (but less general of course). Check out the CUBLAS examples in the CUDA SDK.