Cuda 嵌套for循环，带+；=转让

我有以下Java代码：

float in[][] = new float[2][2];

float B[] = new float[2]; 
float A[] = new float[2]; 
float res[] = new float[A[0].length];

for(float r : res){
    r = 0;
}

for (int i = 0; i < A[0].length; i++) {
    for (int j = 0; j < B[0].length; j++) {
        res[i] += A[j] * in[j][i];
}

但很快意识到它无法工作，因为所有线程都试图设置相同的变量

我读了点积的例子， 但我真的不知道如何适应我的需要，在两个方面的

我不要求一个完整的解决方案，但任何方向都会被感激

---

Thx，

过多的CUDA杀死了我的头

通过展开内核中的一个循环，我找到了部分解决方案。 下面是它现在的样子：

extern "C"
__global__ void filter(float* in, float* A, float* res, const int in_width, const int sizeB){
    unsigned int x = blockIdx.x*blockDim.x + threadIdx.x;
    int i = 0;

    for(i = 0; i < sizeB; i++){
        res[x] += A[i] * in[i + x * in_width];
    }

}

extern“C”
__全局无效过滤器（浮点*in，浮点*A，浮点*res，常量int in_width，常量int sizeB）{
无符号整数x=blockIdx.x*blockDim.x+threadIdx.x；
int i=0；
对于（i=0；i

---

我相信我能找到更好的，但我想今天我会坚持这个：）

太多的CUDA杀了我的头

通过展开内核中的一个循环，我找到了部分解决方案。 下面是它现在的样子：

extern "C"
__global__ void filter(float* in, float* A, float* res, const int in_width, const int sizeB){
    unsigned int x = blockIdx.x*blockDim.x + threadIdx.x;
    int i = 0;

    for(i = 0; i < sizeB; i++){
        res[x] += A[i] * in[i + x * in_width];
    }

}

extern“C”
__全局无效过滤器（浮点*in，浮点*A，浮点*res，常量int in_width，常量int sizeB）{
无符号整数x=blockIdx.x*blockDim.x+threadIdx.x；
int i=0；
对于（i=0；i

---

我相信我能找到更好的，但我想我今天会坚持这一点：）

您可以将[j][I]中的乘法作业A[j]*拆分为[0]。长度*B[0]。长度线程，并可以使用共享内存将乘法结果汇总为NVIDIA sdk中的缩减样本。

您可以将[j][I]中的乘法作业A[j]*拆分为[0].length*B[0]。使用共享内存，可以将乘法结果相加，就像NVIDIA sdk中使用的缩减示例一样

您仍然在使用所有线程递增res，这也不应该起作用。如果只是浮动，你可以使用原子（虽然速度应该很慢），或者你可以对每个块进行适当的二叉树缩减，然后在cpu上对块和求和。它确实有效。我正在为同一线程增加循环中的一个元素。在这种情况下，每个x对应一个线程，所以循环是安全的。缺点是每个线程都必须执行一个循环，所以我只对进程进行了一半优化。这看起来就像我第一次将其并行化一样。您需要将res数组初始化为零，我假设您在这个内核之外执行此操作。将res[x]=0会更快；在内核内部的循环之前。接下来是优化…thx反馈。很高兴知道其他人也会这么做：）你仍然在用所有线程增加res，这也不应该起作用。如果只是浮动，你可以使用原子（虽然速度应该很慢），或者你可以对每个块进行适当的二叉树缩减，然后在cpu上对块和求和。它确实有效。我正在为同一线程增加循环中的一个元素。在这种情况下，每个x对应一个线程，所以循环是安全的。缺点是每个线程都必须执行一个循环，所以我只对进程进行了一半优化。这看起来就像我第一次将其并行化一样。您需要将res数组初始化为零，我假设您在这个内核之外执行此操作。将res[x]=0会更快；在内核内部的循环之前。接下来是优化…thx反馈。很高兴知道其他人也会这么做：）那么我需要一个sizeA*sizeB数组。可能是个问题，因为我在一个巨大的表中工作，所以我需要一个sizeA*sizeB数组。可能是个问题，因为我在大桌子上工作