使用CUDA根据特定数字范围过滤数字的有效方法是什么？

我有很多随机浮点数驻留在全局GPU内存中。我还有“bucket”，指定他们将接受的数字范围和他们将接受的数字容量

即： 数字：-2 0 2 4 桶（大小=1）：[-2,0]，[1,5]

我想运行一个过滤过程，让我

过滤数值：-2 （过滤后的内存可以是新的内存块）

但我采用的每一种方法都会带来巨大的开销，即试图跨存储桶计数器同步线程。如果我尝试使用一个线程，该算法将成功完成，但耗时惊人（比最初生成数字慢100多倍）

我要求的是一个通用的高级、高效、尽可能简单的方法算法，用于过滤这些数字

编辑 我将处理10个桶和50万个数字。所有数字正好落在10个铲斗范围中的1个范围内。每个铲斗将容纳43000个元件。（有多余的元素，因为目标是填满每个桶，许多数字将被丢弃）

第二次编辑

---

必须指出的是，桶不必单独存储。其目的只是丢弃那些无法放入桶中的元素。

如果需要，您可以使用推力：：移除\u复制\u

struct within_limit
{
    __host__ __device__
    bool operator()(const int x)
        {
            return (x >=lo && x < hi);
        }
};
thrust::remove_copy_if(input, input + N, result, within_limit());

struct在\u限制内
{
__主机设备__
布尔运算符（）（常量int x）
{
返回（x>=lo&&x

您必须用每个箱子的常数替换lo和hi。。 我认为您可以对内核进行模板化，但同样，您必须用实际常量实例化模板。我看不出一个简单的方法，但我可能错过了一些东西

如果您愿意查看第三方库，arrayfire可能会提供更简单的解决方案

array I = array(N, input, afDevice);
float **Res = (float **)malloc(sizeof(float *) * nbins);
for(int i = 0; i < nbins; i++) {
   array res = where(I >= lo[i] && I < hi[i]);
   Res[i] = res.device<float>(); 
}

array I=array（N，输入，设备）；
浮点数**Res=（浮点数**）malloc（浮点数*）*nbins；
对于（int i=0；i=lo[I]&&I

请大致说明您有多少个数字和桶，以及桶的大小范围。{2个桶每个1000个元素}和{1000个桶每个2个元素}的最佳解决方案可能会有所不同。@aland:我用细节更新了问题w您知道在推力示例中跟踪每个箱子计数器的方法吗？（您可以多次运行过滤NUM_BINS，然后弹出所需的数量，但这似乎很昂贵）