CUDA：如何移动数组元素

我需要将一维数组的前k个元素移动一个偏移量， 其中，偏移量单调增加，即，如果元素i的偏移量为偏移量1 然后元素i+1有偏移量offset2，它满足：offset2>=offset1

我编写了一个内核，在前k个元素中的每个元素上执行：

if (thread_id < k) {

  // compute offset

  if (offset) {
    int temp = a[thread_id];

    __synchthreads();

    a[thread_id + offset] = temp;
  }
}

if（线程id

然而，当测试k=3时，偏移量确实是单调增加的，即 0, 1, 1. 元素0保持在预期的位置。 但是，元素1不仅会复制到元素2（根据元素1的偏移量），还会复制到元素3

也就是说，只有在线程1完成了元素1到元素2的复制之后，线程2才会读取元素2并将其存储到temp的副本中

我做错了什么？如何修复

---

谢谢大家!

您正在执行的操作概括为分散操作：

thread   0  1  2  3  4
in  =  { 1, 4, 3, 2, 5}
idx =  { 1, 2, 3, 4, 0}

out[idx] = in[i]

一般来说，分散不能并行进行，因为线程从其他线程写入的位置读取数据。在我们的示例中，如果线程2在线程1写入其输出位置后读取其输入位置，则会得到错误的结果。这是一种竞争条件，需要同步或异地存储

由于在这种情况下，大型阵列的同步是全局同步，CUDA编程模型不支持全局同步，因此必须使用异地分散

换句话说，您不能这样做：

temp = in[thread_idx]
global-sync
in[thread_idx + offset] = temp

out[i + offset] = in[thread_idx]

您必须这样做：

temp = in[thread_idx]
global-sync
in[thread_idx + offset] = temp

out[i + offset] = in[thread_idx]

---

其中，

out

不指向与

中的
相同的内存
请注意，
\u syncthreads（）
仅为块内的线程提供了一个屏障。因此，当您转到网格中的多个块时，此方法将立即中断。此外，如果您正在做一些愚蠢的事情，比如启动一个由线程块组成的网格，每个线程块只有一个线程，那么代码将到处中断。也许您应该展示内核的完整表示以及内核调用和启动参数的计算。你可以简单地用这些信息编辑你的问题，不要试图把它塞进评论中。是的，我错误地运行了3个块，每个块1个线程。它适用于1块3线程。但是，在特斯拉K20上，每个块的线程数限制为1024个。如何移动超过1024个元素？通过一次移动一个1024块，在执行另一个1024块之前完成工作，依此类推？同样，在这样的条件块中，
\uu syncthreads（）
也不能保证工作。阅读条件代码中的同步线程。关于如何使它跨多个线程块工作，您需要一个不同的可并行化算法。我还没有详细考虑过，但在我看来，如果输出向量与输入向量不同，则完全可以避免这种危险。那么uu threadfence（）呢？这可以用在条件代码中吗？描述的_syncthreads（）和_threadfence（）之间的区别在哪里？@user1760748:
__threadfence（）
是一个内存围栏，可以有条件地使用，但在这里没有帮助。您可以在中看到所有这些函数的描述。