Concurrency 并行CUDA滤波器整数

实现以下结果的标准（或事实上的任何工作）方法是什么：

给定

uint32\u t

的所有值，我想应用一个过滤函数（谓词？（

uint32\u t

->

bool

），以便只保留某些整数，并将它们保存到数组中。数组本身在

\uuuuuuuuuuuuuuuuu常量

内存中，但我想它可以移到通用

\uuuuuuu设备

内存中。接受的

uint32\u t

s的数量有一个实际上限，例如15000

我目前的解决方案是在

\uuuu主机\uuuuu

代码中执行此操作，其中涉及明显的

for

循环，但解决方案的速度非常慢。相反，我希望将此过滤实现为一个

\uuu全局

内核

我想到的解决方案是一个调用过滤函数的内核，并将阳性结果存储到一个数组中。它写入的索引需要以某种方式以原子方式递增。这就是任务的关键所在——我将如何在保持性能的同时确保并发正确性

---

我的代码是针对Jetson TX1的，因此计算能力是

5.3

最简单的解决方案是使用fastCUB设备原语。更具体地说，是其中之一。这一个维持秩序

或者，您可以使用您提到的基于原子的解决方案，但请注意，不会保留顺序。此解决方案在具有少量SM的现代GPU上简单且相对快速，但在高端GPU上可能无法很好地扩展（因为SMs之间在原子上可能存在争用）

另一种选择是使用并行扫描。这个解决方案实现起来相当复杂（因此更容易出现bug），但要保持顺序。它可以比原子解决方案更快，并且应该扩展得更好（如果实现写得很巧妙的话）

最后，您可以使用阻塞和共享内存来改进实现（尤其是并行扫描）。阻塞可以减少CUDA核心之间的争用和不必要的通信。如果您不是一名经验丰富的CUDA开发人员，则可以重用CUB的