在OpenCL中如何正确地将结果从本地内存求和到全局内存

我有一个OpenCL内核，其中每个工作组在本地内存中生成一个结果向量。然后，我需要将所有这些结果相加到全局内存中，以便以后检索到主机。
为了测试这一点，我创建了以下内核代码：

//1st thread in each workgroup initializes local buffer
if(get_local_id(0) == 0){
    for(i=0; i<HYD_DIM; i++){
        pressure_Local[i] = (float2){1.0f, 0.0f};
    }
}

//wait for all workgroups to finish accessing any memory
barrier(CLK_GLOBAL_MEM_FENCE | CLK_LOCAL_MEM_FENCE);

/// sum all the results into global storage
for(i=0; i<get_num_groups(0); i++){

    //1st thread in each workgroup writes the group's local buffer to global memory
    if(i == get_group_id(0) && get_local_id(0) == 0){
        for(j=0; j<HYD_DIM; j++){
            pressure_Global[j] += pressure_Local[j];
            // barrier(CLK_GLOBAL_MEM_FENCE);
        }
    }

    //flush global memory buffers:
    barrier(CLK_GLOBAL_MEM_FENCE);
}

//每个工作组中的第一个线程初始化本地缓冲区
如果（获取本地id（0）=0）{
对于（i=0；i您不能使用opencl在不同的工作组之间进行同步。CLK_GLOBAL_MEM_FENCE不以这种方式工作。它只保证内存操作的顺序（由工作组访问）将得到维护。请参阅中的“6.12.8同步功能”一节

我会为每个工作组使用不同的全局内存块来解决您的问题。您将数据写入全局，内核就完成了。然后，如果您想将数据减少到单个块，您可以创建另一个内核来从全局读取数据，并将其与其他结果块合并。您可以执行任意多个层次的操作根据需要进行合并，但最终合并必须由单个工作组完成

搜索gpu/opencl简化算法。这里有一个不错的开始