Optimization 使用CUDA优化矢量元素交换

因为我是cuda的新手。。我需要你的帮助 我有一个长向量，对于每组24个元素，我需要执行以下操作： 对于前12个元素，偶数编号的元素乘以-1， 对于第二个12个元素，奇数元素乘以-1，然后进行以下交换：

图表：因为我还没有足够的分数，我无法发布图片，所以它在这里：

我已经写了这段代码，不知您能否帮助我进一步优化它，以解决分歧或银行冲突

//subvector is a multiple of 24, Mds and Nds are shared memory

____shared____ double Mds[subVector];

____shared____ double Nds[subVector];

int tx = threadIdx.x;
int tx_mod = tx ^ 0x0001;
int  basex = __umul24(blockDim.x, blockIdx.x);

 Mds[tx] = M.elements[basex + tx];
__syncthreads();

// flip the signs 
 if (tx < (tx/24)*24 + 12)
 {  
    //if < 12 and even
    if ((tx & 0x0001)==0)
    Mds[tx] = -Mds[tx];
 }
 else
 if (tx < (tx/24)*24 + 24)
 {
    //if >12 and < 24 and odd
    if ((tx & 0x0001)==1)
    Mds[tx] = -Mds[tx];
 }

 __syncthreads();

 if (tx < (tx/24)*24 + 6)
 {  
//for the first 6 elements .. swap with last six in the 24elements group (see graph)
    Nds[tx] = Mds[tx_mod + 18];
    Mds [tx_mod + 18] = Mds [tx];
    Mds[tx] = Nds[tx];
 }
 else
 if (tx < (tx/24)*24 + 12)
 {
    // for the second 6 elements .. swp with next adjacent group (see graph)
    Nds[tx] = Mds[tx_mod + 6];
    Mds [tx_mod + 6] = Mds [tx];
    Mds[tx] = Nds[tx];
 }   
__syncthreads();

//子向量是24的倍数，Mds和Nds是共享内存
____共享双Mds[子向量]；
____共享双Nds[子向量]；
int tx=线程idx.x；
int tx_mod=tx^0x0001；
int basex=uu umul24（blockDim.x，blockIdx.x）；
Mds[tx]=M.elements[basex+tx]；
__同步线程（）；
//翻转标志
如果（tx<（tx/24）*24+12）
{  
//如果<12且为偶数
如果（（tx&0x0001）==0）
Mds[tx]=-Mds[tx]；
}
其他的
如果（tx<（tx/24）*24+24）
{
//如果大于12且小于24且奇数
如果（（tx&0x0001）==1）
Mds[tx]=-Mds[tx]；
}
__同步线程（）；
如果（tx<（tx/24）*24+6）
{  
//对于前6个元素..与24elements组中的最后6个元素交换（见图）
Nds[tx]=Mds[tx_mod+18]；
Mds[tx_mod+18]=Mds[tx]；
Mds[tx]=Nds[tx]；
}
其他的
如果（tx<（tx/24）*24+12）
{
//对于第二个6个元素..swp和下一个相邻组（见图）
Nds[tx]=Mds[tx_mod+6]；
Mds[tx_mod+6]=Mds[tx]；
Mds[tx]=Nds[tx]；
}   
__同步线程（）；

---

提前感谢。

保罗为你之前的问题提供了很好的起点

两件事要注意：你正在做非基本2师，这是昂贵的。 相反，尝试利用线程块的多维特性。例如，制作尺寸为24的x维度，这将消除分割的需要

通常，请尝试调整螺纹块尺寸以反映数据尺寸

简化符号翻转：例如，如果您不想翻转符号，仍然可以乘以identity

1

。了解如何使用算术将偶数/奇数映射到1和-1：例如

sign=（偶数*2+1）-2

，其中偶数为1或0