Parallel processing 使用CUDA/推力设置阵列中每个float4的一个元素

我在GPU上有一个相当标准的float4类和一个float4数组。每个float4表示一个（x，y，z，rgba）点，我想使用推力将数组中每个float4的rgba值设置为特定值。似乎推力：：fill（）可以与自定义迭代器一起使用，但我不知道如何编写推力迭代器。有什么办法吗

(x1, y1, z1, c1), (x2, y2, z2, c2), .... --> (x1, y1, z1, value), (x2, y2, z2, value), ....

似乎

推力：：填充（）

可以与自定义迭代器一起使用

不会的<代码>填充是一种简单的分配。目标迭代器未读取，因此无法修改。您不希望在迭代器范围上执行赋值，而是希望修改现有迭代器范围<代码>变换将是正确的算法

编写一个函子，类似于：

struct set_c
{
  float y;

  __host__ __device__
  set_c(const float val) : y(val) {};

  __host__ __device__
  myfloat4 operator()(const myfloat4& x)
  {
      myfloat4 val = x;
      val.c = y;
      return val;
  }
};

然后在变换到位的情况下，将该函子应用于数据：

thrust::device_vector<myfloat4> data(bigconstant);
// something ...
set_c op(5.f); // set each myfloat4.c = 5.f
thrust::transform(data.begin(), data.end(), data.begin(), op);

推力：：设备向量数据（bigconstant）；
//有些事。。。
集合c op（5.f）；//将每个myfloat4.c设置为5.f
转换（data.begin（），data.end（），data.begin（），op）；

上面的所有代码显然都是在浏览器中编写的，而且从未靠近过编译器。自担风险使用

似乎

推力：：填充（）

可以与自定义迭代器一起使用

不会的<代码>填充是一种简单的分配。目标迭代器未读取，因此无法修改。您不希望在迭代器范围上执行赋值，而是希望修改现有迭代器范围<代码>变换将是正确的算法

编写一个函子，类似于：

struct set_c
{
  float y;

  __host__ __device__
  set_c(const float val) : y(val) {};

  __host__ __device__
  myfloat4 operator()(const myfloat4& x)
  {
      myfloat4 val = x;
      val.c = y;
      return val;
  }
};

然后在变换到位的情况下，将该函子应用于数据：

thrust::device_vector<myfloat4> data(bigconstant);
// something ...
set_c op(5.f); // set each myfloat4.c = 5.f
thrust::transform(data.begin(), data.end(), data.begin(), op);

推力：：设备向量数据（bigconstant）；
//有些事。。。
集合c op（5.f）；//将每个myfloat4.c设置为5.f
转换（data.begin（），data.end（），data.begin（），op）；

---

上面的所有代码显然都是在浏览器中编写的，而且从未靠近过编译器。使用风险自负。

谢谢！是的，这应该很好，这个函子方法将非常适合这个特殊的需要。虽然，我还需要在每个轴的列表中查找min元素，为此，我最好使用变换迭代器吗？对于像minima这样的操作，需要使用一个reduce。看，谢谢！是的，这应该很好，这个函子方法将非常适合这个特殊的需要。虽然，我还需要在每个轴的列表中查找min元素，为此，我最好使用变换迭代器吗？对于像minima这样的操作，需要使用一个reduce。看见