CUDA阵列并行滤波（计算架构）

我正在尝试开发一个框架，用于在F#中执行标准功能序列操作（映射、过滤、折叠等），其中计算是在GPU（使用CUDA）而不是CPU上执行的

我已经成功地实现了一个CUDA映射函数，这样我就可以编写

let result = 
    cudaArray 
    |> CudaArray.map <@ fun x -> x ** 3.0  @> 
    |> Array.ofCudaArray

让结果=
CUDA阵列
|>CudaArray.map x**3.0@>
|>数组.ofCudaArray

这相对简单，因为所有操作都是按元素执行的

现在，我感兴趣的是编写一个类似的系统，通过一些谓词进行过滤。我正在考虑将谓词实现为另一个返回布尔数组的映射函数，但我需要找到一种方法，将感兴趣的数组减少为匹配的布尔数组元素的值为true的数组

我发现这篇文章（）描述了解决这个问题的一个非常好的方法，它归结为使用以下函数来索引目标数组中的元素：

// warp-aggregated atomic increment
__device__
int atomicAggInc(int *ctr) {
  int mask = __ballot(1);
  // select the leader
  int leader = __ffs(mask) – 1;
  // leader does the update
  int res;
  if(lane_id() == leader)
    res = atomicAdd(ctr, __popc(mask));
  // broadcast result
  res = warp_bcast(res, leader);
  // each thread computes its own value
  return res + __popc(mask & ((1 << lane_id()) – 1));
} // atomicAggInc

//扭曲聚合原子增量
__装置__
国际原子能公司（国际*ctr）{
整数掩码=uuu选票（1）；
//选择引线
int leader=uu ffs（掩码）–1；
//领导进行更新
国际关系；
如果（车道id（）==引线）
res=原子添加（ctr，_uPOPC（掩码））；
//广播结果
res=扭曲广播（res，leader）；
//每个线程计算自己的值
返回res+_uPOPC（掩码和（1