仅求向量CUDA/推力的正元素之和

我想使用推力（因为我的大多数方法都是使用推力数据类型实现的）或C CUDA，如果需要的话，只对向量的正浮点元素求和。数据最初没有排序。我最初的尝试是非常糟糕的：基本上，复制向量，对其排序，通过将其传递给一个内核来找到零交叉点，该内核比较顺序成对值，并写入与零交叉点匹配的值。基本上是在排序之后（我使用推力进行排序）

inti=blockIdx.x*blockDim.x+threadIdx.x；
如果（i=0.0&&b<0.0）
答案=i+1；
}

这真是愚蠢，很多线程匹配条件方式，读取太多，分支分歧等等。因此，它完全失败了，每个调用将在相同的数据上给出不同的结果，等等

---

我还没有找到一个很好的方法来实现这个目标，这是我更喜欢的。排序后，我不知道如何找到零交叉点。关于起点有什么建议吗？一个实际工作的简单CUDA C实现也很好。

要只求正值的和，不需要对初始值排序，使用 推力：：变换_减小：

template<typename T>
struct positive_value : public thrust::unary_function<T,T>
{
   __host__ __device__ T operator()(const T &x) const
   {
     return x < T(0) ? 0  : x;
   }
};

float result = thrust::transform_reduce(data.begin(), data.end(),
                                    positive_value<float>(),
                                    0,
                                    thrust::plus<float>());

模板
结构正函数值：公共推力：：一元函数
{
__主机\uuuuuu\uuuu设备\uuuuu操作符（）（常量T&x）常量
{
返回x

为什么需要排序？您确实需要订购数据吗？还有，内核代码段中奇怪的指针用法是什么？指针间接寻址的额外级别是为了实现什么？指针间接寻址并不是为了实现任何目标，我只是快速编写了它，但问题与此无关。我会更新它，这样就不会引起混乱。我认为排序是有益的，因为我可以这样简单地减少向量的前N个元素。下面回答的（用户ngimel）似乎解决了我的问题。

template<typename T>
struct positive_value : public thrust::unary_function<T,T>
{
   __host__ __device__ T operator()(const T &x) const
   {
     return x < T(0) ? 0  : x;
   }
};

float result = thrust::transform_reduce(data.begin(), data.end(),
                                    positive_value<float>(),
                                    0,
                                    thrust::plus<float>());