Floating point CUDA：将数据累积到一个大的浮动直方图中

我正在考虑一种使用CUDA实现以下算法的方法：

处理大量体素，我为每个体素计算一个索引

I

和一个值

c

。计算之后，我需要执行

直方图[I]+=c

c

是一个浮点值，直方图最多可包含15000个存储箱

我正在寻找一种使用CUDA高效实现此功能的方法。第一个明显的问题是，我使用的是compute capabilities 1.3，它甚至不能执行浮点的

atomicAdd（）

，因此如何可靠地累积任何内容

---

做一些更简单的事情。直方图保存在共享内存中（由于其大小，我不能这样做），它只累加整数。这种方法可以推广到我的情况吗？

使用atomicAdd（）直接对外部内存进行历史编程将非常低效。根据直方图的范围，您可能需要考虑通过源数据的多次传递，更新共享内存中的部分直方图，然后在每次传递后写出部分直方图。只要您不必对输入数据进行大量的传递，这应该会更有效率。显然，您希望根据可用共享内存的限制，使部分直方图尽可能大，以尽量减少所需的传递次数。

使用atomicAdd（）直接对外部内存进行历史编程将非常低效。根据直方图的范围，您可能需要考虑通过源数据的多次传递，更新共享内存中的部分直方图，然后在每次传递后写出部分直方图。只要您不必对输入数据进行大量的传递，这应该会更有效率。显然，您希望根据可用共享内存的限制，使部分直方图尽可能大，以尽量减少所需的通过次数。

两步方法可能是最好的。您可以为体素子集创建多个直方图，并将它们相加形成全局直方图

假设您有N个体素，首先创建大小为M x 15000的全局设备内存（其中M 运行cuda内核计算每个线程索引的N/M个体素的直方图。

---

所有线程完成后，现在可以运行另一个cuda内核，对最终直方图的M直方图求和

两步法可能是最好的。您可以为体素子集创建多个直方图，并将它们相加形成全局直方图

假设您有N个体素，首先创建大小为M x 15000的全局设备内存（其中M 运行cuda内核计算每个线程索引的N/M个体素的直方图。

---

所有线程完成后，现在可以运行另一个cuda内核，对最终直方图的M直方图求和

这看起来是一种很有前途的方法，但如何确保没有两个线程同时写入同一个单元格？每个线程都有自己的直方图，使用第二个内核求和。唯一需要担心的是，在求和之前确保所有线程都已完成。这看起来是一种很有前途的方法，但如何确保没有两个线程同时写入同一个单元格？每个线程都有自己的直方图，使用第二个内核求和。唯一需要担心的是，在求和之前确保所有线程都已完成。