Matlab 使用CUDA推力库进行大数值计算 我想实现一个推力非常大的循环，但是我发现它比普通C++代码慢得多。你能告诉我哪里出了问题吗。 fi和fj是宿主向量

xsize通常是一个7-8位数的数字

thrust::host_vector <double> df((2*floor(r)*(floor(r)+1)+1)*n*n); 
thrust::device_vector<double> gpu_df((2*floor(r)*(floor(r)+1)+1)*n*n); 
     for(i=0;i<xsize;i++)
     {
        gpu_df[i]=(fi[i]-fj[i]);

         if(gpu_df[i]<0)
            gpu_df[i]=0;
        else 
       gpu_df[i]=gpu_df[i]*(fi[i]-fj[i]);
        if(gpu_df[i]>255)
            gpu_df[i]=255;
        //      cout<<fi[i]<<"\n";
     }
df=gpu_df;

推力：主矢量df（（2*楼层（r）*（楼层（r）+1）+1）*n*n）； 推力：设备矢量gpu df（（2*楼层（r）*（楼层（r）+1）+1）*n*n）；

---

对于（i=0；i要在GPU上以推力运行程序，您需要根据推力算法编写程序，如

reduce

，

transform

，

sort

，等等。在这种情况下，我们可以根据

transform

编写计算，因为循环只是计算函数

F（fi[i]，fj[i]）

并将结果存储在

df[i]

中。请注意，在调用

transform

之前，我们必须首先将输入数组移动到设备上，因为推力要求输入和输出数组位于同一位置

#include <thrust/host_vector.h>
#include <thrust/device_vector.h>
#include <thrust/functional.h>
#include <cstdio>

struct my_functor
  : public thrust::binary_function<float,float,float>
{
  __host__ __device__
  float operator()(float fi, float fj)
      {
    float d =  fi - fj;

    if (d < 0)
      d = 0;
    else
      d = d * d;

    if (d > 255)
      d = 255;

    return d;
  }
};

int main(void)
{
  size_t N = 5;

  // allocate storage on host
  thrust::host_vector<float>   cpu_fi(N);
  thrust::host_vector<float>   cpu_fj(N);
  thrust::host_vector<float>   cpu_df(N);

  // initialze fi and fj arrays
  cpu_fi[0] = 2.0;  cpu_fj[0] =  0.0;
  cpu_fi[1] = 0.0;  cpu_fj[1] =  2.0;
  cpu_fi[2] = 3.0;  cpu_fj[2] =  1.0;
  cpu_fi[3] = 4.0;  cpu_fj[3] =  5.0;
  cpu_fi[4] = 8.0;  cpu_fj[4] = -8.0;

  // copy fi and fj to device
  thrust::device_vector<float> gpu_fi = cpu_fi;
  thrust::device_vector<float> gpu_fj = cpu_fj;

  // allocate storage for df
  thrust::device_vector<float> gpu_df(N);

  // perform transformation
  thrust::transform(gpu_fi.begin(), gpu_fi.end(),  // first input range
                    gpu_fj.begin(),                // second input range
                    gpu_df.begin(),                // output range
                    my_functor());                 // functor to apply

  // copy results back to host
  thrust::copy(gpu_df.begin(), gpu_df.end(), cpu_df.begin());

  // print results on host
  for (size_t i = 0; i < N; i++)
    printf("f(%2.0lf,%2.0lf) = %3.0lf\n", cpu_fi[i], cpu_fj[i], cpu_df[i]);

  return 0;
}

---

谢谢wnbell。二维向量也可以吗？我想要像xi[I][0]-xj[I][0]这样的东西，那么它会像xi[0]-xj[0]？推力只提供一个一维向量容器，因此您必须决定如何将二维向量展平为一维向量。假设您以相同的方式展平所有二维向量，则在调用

transform

等算法时，通常可以忽略数据的二维性质。

f( 2, 0) =   4
f( 0, 2) =   0
f( 3, 1) =   4
f( 4, 5) =   0
f( 8,-8) = 255