C++ 我想把我的密码从CPP改成CUDA，知道吗？

我有一个无法解决的问题

问题如下

CPP代码

const int dataSize=65535；
const int category=10；
浮动数据[数据大小][类别]；
常数浮动阈值=0.5f；
int-cnt=0；
//数据数组包含任何值
对于（int i=0；i阈值）
{
数据[cnt][0]=数据[i][0]；
数据[cnt][1]=数据[i][1]；
数据[cnt][2]=数据[i][2]；
数据[cnt][3]=数据[i][3]；
数据[cnt][4]=数据[i][4]；
数据[cnt][5]=数据[i][5]；
数据[cnt][6]=数据[i][6]；
数据[cnt][7]=数据[i][7]；
数据[cnt][8]=数据[i][8]；
数据[cnt][9]=数据[i][9]；
cnt++；
}
}

通过使用这段代码，我希望“data”数组的元素收集到的值超过阈值。（没有超过阈值的元素对我来说并不重要。重要的是刚刚超过阈值。）

我想要在CUDA中运行相同结果的代码

所以我试着这样做

CUDA代码

\uuuuu全局\uuuuu无效检查阈值（浮点*数据、浮点阈值、整数*n计数）
{
int idx=threadIdx.x+blockIdx.x*blockDim.x；
如果（数据[idx*10+9]>阈值）
{
数据[nCount+0]=数据[idx*10+0]；
数据[nCount+1]=数据[idx*10+1]；
数据[nCount+2]=数据[idx*10+2]；
数据[nCount+3]=数据[idx*10+3]；
数据[nCount+4]=数据[idx*10+4]；
数据[nCount+5]=数据[idx*10+5]；
数据[nCount+6]=数据[idx*10+6]；
数据[nCount+7]=数据[idx*10+7]；
数据[nCount+8]=数据[idx*10+8]；
数据[nCount+9]=数据[idx*10+9]；
原子添加（nCount，1）；
}
}
....
//核函数调用
checkOverThreshold>（d_数据、treshold、d_计数）；

但是CUDA代码的结果并不是我所期望的

它包含大量垃圾值，甚至结果也与CPP不同

我认为nCount变量的同步问题造成了这种情况

但是，我不知道如何解决这个问题

请帮我写代码。提前感谢。

此代码已被破坏：

    data[nCount+0] = data[idx*10+0];
    data[nCount+1] = data[idx*10+1];
    data[nCount+2] = data[idx*10+2];
    data[nCount+3] = data[idx*10+3];
    data[nCount+4] = data[idx*10+4];
    data[nCount+5] = data[idx*10+5];
    data[nCount+6] = data[idx*10+6];
    data[nCount+7] = data[idx*10+7];
    data[nCount+8] = data[idx*10+8];
    data[nCount+9] = data[idx*10+9];
    atomicAdd( nCount, 1);

如果在所有这些赋值过程中修改了

nCount

，将导致无意义的结果。应该是

    int d = atomicAdd(nCount, 1);
    data[d+0] = data[idx*10+0];
    data[d+1] = data[idx*10+1];
    data[d+2] = data[idx*10+2];
    data[d+3] = data[idx*10+3];
    data[d+4] = data[idx*10+4];
    data[d+5] = data[idx*10+5];
    data[d+6] = data[idx*10+6];
    data[d+7] = data[idx*10+7];
    data[d+8] = data[idx*10+8];
    data[d+9] = data[idx*10+9];

---

您可以使用推力库中的流压缩功能

比如说,

#include <thrust/copy.h>
// ...
const int dataSize = 65535;
struct Datum {
  float f0, f1, f2, ..., f9;
};
Datum data[dataSize];
const float threshold = 0.5f;

struct below_threshold
{
  __host__ __device__
  bool operator()(const Datum &d)
  {
    return d.f9 <= threshold;
  }
};

// data array is contains any values
Datum *new_end = thrust::remove_if(data, data + N, below_threshold());
int cnt = new_end - data;
// first cnt elements have the f9 term > threshold
// other elements are undefined

#包括
// ...
常数int dataSize=65535；
结构基准{
浮点数f0、f1、f2、…、f9；
};
基准数据[数据大小]；
常数浮动阈值=0.5f；
结构低于\u阈值
{
__主机设备__
布尔运算符（）
{
返回d.f9阈值
//其他元素未定义

编辑：相关推力文件

---

如果你不熟悉推力，这里有一个快速的概述。它基本上是许多STL风格的容器和算法，加上一些Boost风格的钟声和口哨。真正酷的是，如果你用推力编写算法而不是定制内核，你实际上可以在CPU或GPU上运行完全相同的算法o我这里的实现草图将在CPU上运行，因为内存是在主RAM中分配的。但是，如果不使用数据的常规数组，而是使用推力：：设备_向量（很像std：：向量），那么推力将把数据复制到GPU，同样的推力：：删除_if（）与同一个函子配对的调用将产生相同的结果。我希望这能让您体验到推力，并鼓励您在其上找到更多信息。

正如SchighSchagh所建议的，推力将是一种方法。ArrayFire提供了一种更为数学化的表示方式

const int dataSize = 65535;
const int category = 10;
float data[dataSize][category];
const float threshold = 0.5f;

int cnt = 0;

// populate data

// Transfer to device
array Data(data, category, dataSize); // Column major
array idx = where(Data(9, span) > threshold);
Data = Data(span, idx);

---

谢谢david，我会尽力去做的。如果这方面有什么不对的地方，请告诉我。（我没有尝试编译它，因为它只是一个草图。）我还注意到您将问题标记为排序。如果您尝试进行快速排序或其他操作，您会很高兴发现推力也有内置排序。这与“流媒体压缩”我最近听说ArrayFire。看起来很酷。我会尝试使用它。

#include <thrust/copy.h>
// ...
const int dataSize = 65535;
struct Datum {
  float f0, f1, f2, ..., f9;
};
Datum data[dataSize];
const float threshold = 0.5f;

struct below_threshold
{
  __host__ __device__
  bool operator()(const Datum &d)
  {
    return d.f9 <= threshold;
  }
};

// data array is contains any values
Datum *new_end = thrust::remove_if(data, data + N, below_threshold());
int cnt = new_end - data;
// first cnt elements have the f9 term > threshold
// other elements are undefined

const int dataSize = 65535;
const int category = 10;
float data[dataSize][category];
const float threshold = 0.5f;

int cnt = 0;

// populate data

// Transfer to device
array Data(data, category, dataSize); // Column major
array idx = where(Data(9, span) > threshold);
Data = Data(span, idx);