Cuda GPU上廉价的近似整数除法

所以，我想在GPU上除以一些32位无符号整数，我不关心得到精确的结果。事实上，让我们宽容一点，假设我愿意接受一个高达2的乘法误差因子，也就是说，如果q=x/y，我愿意接受0.5*q和2*q之间的任何值

我还没有测量任何东西，但在我看来，类似这样的东西（CUDA代码）应该很有用：

__device__ unsigned cheap_approximate_division(unsigned dividend, unsigned divisor)
{
    return 1u << (__clz(dividend) - __clz(divisor));
}

\uuuuu设备\uuuuu无符号廉价\uu近似除法（无符号除法、无符号除法）
{
return 1u通过浮点运算可获得更精确的结果，在大多数体系结构上指令数略低，吞吐量可能更高：

__device__ unsigned cheap_approximate_division(unsigned dividend, unsigned divisor)
{
   return (unsigned)(__fdividef(dividend, divisor) /*+0.5f*/ );
}

注释中的
+0.5f
应表明，您还可以将浮点->整数转换为适当的舍入，而基本上不需要花费任何成本，只需消耗更高的能量（它将
fmul
转换为
fmad
，常数直接来自常数缓存）但是，舍入将使您远离精确的整数结果。
通过浮点运算可以获得更精确的结果，在大多数体系结构中，指令数略低，吞吐量可能更高：

__device__ unsigned cheap_approximate_division(unsigned dividend, unsigned divisor)
{
   return (unsigned)(__fdividef(dividend, divisor) /*+0.5f*/ );
}

注释中的
+0.5f
应表明，您还可以将浮点->整数转换为适当的舍入，而基本上不需要花费任何成本，只需消耗更高的能量（它将
fmul
转换为
fmad
，常数直接来自常数缓存）。舍入将使您远离精确的整数结果。
您能在这里抛出一些循环计数吗？假设我使用的所有整数运算都是每个扭曲1个循环，并且所有内容都在寄存器中，那么我应该只使用4个；这个版本有多少个循环？抱歉，您必须对自己的atm进行基准测试。但是请记住at.您针对的是特定的体系结构吗？@einpoklum如果您迁移到opencl for GCN，它也会在后端模拟fp的整数除法。fp必须是最快的选项。您能在这里抛出一些循环计数吗？假设我使用的所有整数操作都是每个扭曲1个循环，并且所有内容都在寄存器中，那么我应该只使用4个；有多少个cycles是这个版本吗？抱歉，您必须对自己的atm进行基准测试。但是请记住。您是针对特定的体系结构吗？@einpoklum如果您迁移到opencl for GCN，它也会在后端模拟fp的整数除法。fp必须是最快的选项。