Według NVIDIA this jest najszybszym jądro redukcja suma:Redukcja sumy za pomocą CUDA: Co to jest N?
template <unsigned int blockSize>
__device__ void warpReduce(volatile int *sdata, unsigned int tid) {
if (blockSize >= 64) sdata[tid] += sdata[tid + 32];
if (blockSize >= 32) sdata[tid] += sdata[tid + 16];
if (blockSize >= 16) sdata[tid] += sdata[tid + 8];
if (blockSize >= 8) sdata[tid] += sdata[tid + 4];
if (blockSize >= 4) sdata[tid] += sdata[tid + 2];
if (blockSize >= 2) sdata[tid] += sdata[tid + 1];
}
template <unsigned int blockSize>
__global__ void reduce6(int *g_idata, int *g_odata, unsigned int n) {
extern __shared__ int sdata[];
unsigned int tid = threadIdx.x;
unsigned int i = blockIdx.x*(blockSize*2) + tid;
unsigned int gridSize = blockSize*2*gridDim.x;
sdata[tid] = 0;
while (i < n) { sdata[tid] += g_idata[i] + g_idata[i+blockSize]; i += gridSize; }
__syncthreads();
if (blockSize >= 512) { if (tid < 256) { sdata[tid] += sdata[tid + 256]; } __syncthreads(); }
if (blockSize >= 256) { if (tid < 128) { sdata[tid] += sdata[tid + 128]; } __syncthreads(); }
if (blockSize >= 128) { if (tid < 64) { sdata[tid] += sdata[tid + 64]; } __syncthreads(); }
if (tid < 32) warpReduce(sdata, tid);
if (tid == 0) g_odata[blockIdx.x] = sdata[0];
}
Jednak nie rozumiem parametru „n”. Jakieś wskazówki? Nie sądzę, że jest to rozmiar tablicy do zredukowania, ponieważ w pętli while wystąpiłoby przepełnienie bufora.
'' 'n''' jest liczbą elementów w tablicy' '' g_idata'''. Ponadto jest mało prawdopodobne, aby to konkretne jądro było "najszybszym" zmniejszeniem; ten dokument jest już dość stary. –
Należy pamiętać, że w architekturze NVidia Kepler kod, który podałeś, z pewnością nie jest najszybszą redukcją. Praca między osnowami może być wykonana za pomocą instrukcji _shfl_xor. Zobacz [ta prezentacja] (http://on-demand.gputechconf.com/gtc/2013/presentations/S3174-Kepler-Shuffle-Tips-Tricks.pdf). – einpoklum