Cuda 如何实现shfl.idx的相反操作（即扭曲散射而不是扭曲聚集）？
使用CUDA的shfl.idx指令，我们执行本质上是内部扭曲聚集的操作：每个通道提供一个基准和一个原点通道，并获取原点通道的基准 那逆向操作呢，分散？我的意思是，不是分散到记忆中，而是分散到车道上。也就是说，每个车道提供一个基准和一个目的车道，对于正好有一个其他车道以它们为目标的车道，它们以目标车道的值结束；其他车道以未定义/任意值结束Cuda 如何实现shfl.idx的相反操作（即扭曲散射而不是扭曲聚集）？,cuda,shuffle,ptx,gpu-warp,Cuda,Shuffle,Ptx,Gpu Warp,使用CUDA的shfl.idx指令，我们执行本质上是内部扭曲聚集的操作：每个通道提供一个基准和一个原点通道，并获取原点通道的基准 那逆向操作呢，分散？我的意思是，不是分散到记忆中，而是分散到车道上。也就是说，每个车道提供一个基准和一个目的车道，对于正好有一个其他车道以它们为目标的车道，它们以目标车道的值结束；其他车道以未定义/任意值结束 我很确定PTX没有这样的东西。它是否以某种方式存在于SASS中？如果没有，有没有比分散到共享内存和从共享内存加载更好的实现方法，这两种方法都是通过通道索引实现的
我很确定PTX没有这样的东西。它是否以某种方式存在于SASS中？如果没有，有没有比分散到共享内存和从共享内存加载更好的实现方法，这两种方法都是通过通道索引实现的？洗牌操作都是根据要读取的通道定义的。CUDA功能几乎直接映射到ptx指令，而ptx指令本身几乎直接映射到SASS。它们都是操作“使此值可供其他人读取，并从给定目标车道读取值”的变体，使用各种方便的方法指定目标车道 通常，您应该尝试重新调整函数，这样就不需要“分散”操作。没有一条指令能满足你的要求
使用现有的warp内部函数实现这一点可能是可能的，但并不明显。您可以使用一系列类似于减少扭曲的洗牌来传输源通道ID，然后再进行最后一次洗牌以将有效负载提取到所需的通道中。您还没有详细说明具体的方法。。。关于使用多重洗牌-即使我们可以限制它们的原木数量（扭曲大小），这也会非常昂贵，但事实似乎并非如此。此外，分散操作肯定会出现在各种工作负载中，并且不太“可重新调整”；因此，例如Intel的AVX512似乎提供了某种分散性。您在问题中概述的共享内存方法可能是最快的。因此，期望有人提供一个更扭曲的方法，只使用洗牌操作似乎是愚蠢的。我有理由相信，没有你所设想的那种本土分散。若你们想在未来的NVIDIA GPU中看到一个新特性，你们可以通过bug reporting portal请求它，只需在描述中用RFE关键字标记你们的bug。在大多数方面，我认为这个答案是正确的。