opencl中并行求和约简的实现

我正在浏览NVIDIA在

在示例内核代码（file

oclReduction\u kernel.c

）中，reduce4使用

1） 展开并移除线程id<32的同步屏障

2） 除此之外，代码使用块大小检查对本地内存中的数据求和。我认为在OpenCL中，我们有

获取本地大小（0/1）

来了解工作组的大小。块大小让我困惑

---

我无法理解上述两点。这些东西为什么以及如何帮助优化？任何关于reduce5和reduce6的解释都会很有帮助。

您在幻灯片21和22中已经做了详细解释，其中@Marco13在评论中链接了这两张幻灯片

• 随着减少的进行，#“活动”线程减少

• ---

  • 当演讲中提到CUDA时（不可否认，我认为OpenCL示例基本上是通过将CUDA内核尽可能地转换为OpenCL来创建的），但它可能会带来一些见解，特别是关于进一步优化的reduce5/reduce6版本。是的，它们仅在CUDA中。但是它没有回答任何问题谢谢@Marco13我在晚上错过了你的链接。可能是我困了：）当我们说代码是为GPU编译的SIMD-4时。可以这样说吗：：将有四个SIMD内核执行相同的指令，并且指令可以类似于float/float4/float16？？