Algorithm 在CUDA中使用std容器作为内核输入的可能性

我的代码严重依赖std算法。可以通过一些接口将std:：map的数据用作CUDA内核的输入吗？例如，使用

std::map<int, vector<float>> 

std:：map

是否可以使用GPU在地图中进行搜索，而不是在主机中进行搜索。

tl；医生：你不能这么做，如果你可以的话，那也帮不了你。 大多数标准库容器的代码都是特定于CPU的，并且没有一个容器的非特定于CPU的部分标有

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。因此，从技术上讲，没有。（注意：在C++20中，使用无处不在的
constexpr
ing，事情会变得更复杂一些。）

此外，这些容器中的大多数在设计时都没有考虑并行或并发执行：通过两个非序列化CPU或GPU线程向
std:：vector
或
std:：map
添加或删除元素很可能会导致数据损坏，甚至更糟。所以，即使在CPU上，你也不想这样做

另一点要记住的是内存分配，这在GPU和CPU上是不同的；而且，您主要希望避免GPU内核中的动态内存分配

但是，你问，使用矢量图的原始数据而不是代码怎么样

好吧，如果你在主系统内存中有一个向量数据结构图，你将不会从使用GPU搜索它中得到任何加速。更一般地说，使用离散GPU不太可能加快对主存结构的搜索速度：在通用硬件平台上，CPU为主存访问提供了比GPU更高的带宽和更低的延迟，而搜索通常是零星的非连续内存访问，因此您的希望将落空。
通常，否。说明了限制。其中一个原因是，这些标准库通常依赖于为主机编译的函数，即为x86处理器编译的库，而GPU不是。你也许可以自己实现一些东西。例如，对设备代码的映射函数进行了引用。我不能担保。您可能会发现其他示例，其中所有容器类都采用
std:：allocator
，传入分配托管内存的自定义分配器并不太困难。但是，由于分配器是模板的一部分，这意味着使用容器修改所有代码。正如Robert Crovella已经指出的，这只会将原始数据获取到设备上，而容器类的所有方法仍然只能从主机调用。在将现有代码移植到GPU时，我主要将其用于过渡版本。此外，由于您提到“在地图中搜索”，您的问题可以说是该问题的重复。