Multithreading &引用；螺纹组“U型屏障”；没有区别

目前，我正在使用金属计算着色器，并试图了解GPU线程同步在那里是如何工作的

我编写了一个简单的代码，但它的工作方式与我预期的不同：

假设我有

threadgroup

变量，它是一个数组，所有线程都可以在其中同时生成一个输出

    kernel void compute_features(device float output [[ buffer(0) ]],
                                 ushort2 group_pos [[ threadgroup_position_in_grid ]],
                                 ushort2 thread_pos [[ thread_position_in_threadgroup]],
                                 ushort tid [[ thread_index_in_threadgroup ]])
    {     
        threadgroup short blockIndices[288];

        float someValue = 0.0
        // doing some work here which fills someValue...

        blockIndices[thread_pos.y * THREAD_COUNT_X + thread_pos.x] = someValue;

        //wait when all threads are done with calculations
        threadgroup_barrier(mem_flags::mem_none);  
        output += blockIndices[thread_pos.y * THREAD_COUNT_X + thread_pos.x]; // filling out output variable with threads calculations
    }

上面的代码不起作用。输出变量不包含所有线程的计算，它只包含上一次在将值添加到

输出时假定的来自线程的值。在我看来，
threadgroup\u barrier
似乎什么都不做

现在，有趣的部分。以下代码有效：

blockIndices[thread_pos.y * THREAD_COUNT_X + thread_pos.x] = someValue;

threadgroup_barrier(mem_flags::mem_none);  //wait when all threads are done with calculations
if (tid == 0) {
    for (int i = 0; i < 288; i ++) {
        output += blockIndices[i]; // filling out output variable with threads calculations
    }
}

blockindex[thread_pos.y*thread_COUNT_X+thread_pos.X]=someValue；
threadgroup_屏障（mem_标志：：mem_无）//等待所有线程完成计算
如果（tid==0）{
对于（int i=0；i<288；i++）{
output+=blockindex[i]；//使用线程计算填充输出变量
}
}

此代码也与前一个代码一样有效：

blockIndices[thread_pos.y * THREAD_COUNT_X + thread_pos.x] = someValue;

if (tid == 0) {
    for (int i = 0; i < 288; i ++) {
        output += blockIndices[i]; // filling out output variable with threads calculations
    }
}

blockindex[thread_pos.y*thread_COUNT_X+thread_pos.X]=someValue；
如果（tid==0）{
对于（int i=0；i<288；i++）{
output+=blockindex[i]；//使用线程计算填充输出变量
}
}

总而言之：只有当我在一个GPU线程中处理线程组内存时，我的代码才能按预期工作，不管它的id是什么，它可以是线程组中的最后一个线程，也可以是第一个线程。而
threadgroup\u屏障的存在绝对没有区别。我还使用了
threadgroup\u barrier
和
mem\u threadgroup
标志，代码仍然不起作用

我知道我可能遗漏了一些非常重要的细节，如果有人能指出我的错误，我会很高兴。提前谢谢
 当您编写
output+=blockindex[…]
时，所有线程都将尝试同时执行此操作。但由于
output
不是一个原子变量，这会导致竞争条件。这不是线程安全操作

您的第二个解决方案是正确的。您只需要一个线程来收集结果（尽管您也可以将其拆分为多个线程）。如果你移除了障碍物，它仍然可以正常工作，这可能是运气使然。
谢谢你的回复！你的回答对我来说很有意义，谢谢你帮我清理了脑子里的烂摊子。顺便说一句，我尝试将数据保存拆分为两个线程，似乎它可以工作。但是，如果我试图超越这一点，我开始遇到一些随机问题。一个典型的解决方案是288/2=144个线程，每个线程加上两个值。然后添加一个线程组屏障。接下来，使用144/2=72个线程，每个线程将两个值相加。接下来是线程组屏障，接下来是72/2=36个线程。等等这比让一个线程做所有的总结更有效，但是你需要确保到处都有障碍。