CUDA中RLE的高效解码

我需要在CUDA中解码一个RLE，我一直在努力思考如何最有效地将RLE扩展到一个包含我所有值的列表中。假设我的值是2，3，4，我的行程是3，3，1，我想把它扩展到2，2，2，3，3，4

起初我认为我可以使用

cudaMemset

，但现在我非常确定，它会启动一个内核，而且我有CUDA计算能力3.0，因此，即使为每个值/运行对启动一个新内核可能不是低效的，我也没有可用的动态并行性来执行此操作

所以在我开始实施之前，我想知道这个解决方案是否合理，因为如果你不聪明的话，有太多事情最终在CUDA上不能很好地工作。让内核调用

cudamaloc

然后将cudaMemCpy发送到目标是否合理？我可以很容易地计算前缀和，以知道在哪里复制内存，并使我所有的阅读至少结合起来。我担心的是多次调用

cudamaloc

和

cudaMemCpy

---

另一个可能的选择是将这些值写入共享内存，然后将它们复制到全局内存。我想知道我的第一个解决方案是否有效，或者我是否必须执行后者。

您不想考虑对每个值/运行对执行单独的操作（例如

cudamaloc

，或

cudaMemset

）

在计算运行序列上的前缀和之后，前缀和中的最后一个值将是总分配大小。将其用于整个最终扩展序列的单个

cudamaloc

操作

一旦分配了必要的空间并计算了前缀和，实际的扩展就非常简单了

---

如果你想要一个快速的原型，可以让这变得非常简单。这是有道理的。

@RobertCrovella当然是正确的，但如果你有余地稍微调整你的压缩方案，你可以在效率方面走得更远

---

很抱歉自我插入，但您可能对一种游程长度编码的变体感兴趣，它将输出位置锚定到输入中（例如，“我们在哪个游程中有2048元素？”；这允许更公平地将工作分配给线程块，并避免了对完整前缀和的需要。这项工作仍在进行中，因此在撰写本文时，我在336 GB/秒的存储带宽卡（Titan X）上只能获得约34 GB/秒的带宽，但它非常有用。

Robert you是最棒的人之一。你解决了我在CUDA上遇到的所有问题。非常感谢。