Parallel processing 如何在cuda中并行化dct（for循环）

如何并行化cuda中的四个嵌套for循环
对于dct，我有四个嵌套的for循环，我希望我的dct函数是cuda代码

for(y = 0; y < HEIGHT; y+=BLOCK_H) {
for(x = 0; x < WIDTH; x+= BLOCK_W) {
for(i = 0; i < BLOCK_H; i++) {
for(j = 0; j < BLOCK_W; j++) {
block_in[i][j] = cur_frame[(x+j)+(WIDTH*(y+i))];
}
}
}
}

（y=0；y{ 对于（x=0；x有一份来自Nvidia、Obukov和Kharlamov的白皮书：该白皮书中包含dct8x8。您应该同时考虑这两个方面。

考虑数据，而不是循环。阅读教程。一个关于如何并行嵌套循环的问题。另一个。我读到了，但我不明白他们是如何在C子程序ctvector（（float*）fSrc+（i+k）*跨步+j，1，fDst+（i+k）*跨步+j，1）中完成这一行的；这在Cuda int OffsThreadInRow=threadIdx.y*块大小+threadIdx.x；int offstreamincol=threadIdx.z*块大小；src+=FMUL（砌块IDX.y*路缘石砌块高度+偏移螺纹长度、ImgStride）+砌块IDX.x*路缘石砌块宽度+偏移螺纹长度；dst+=FMUL（块体IDX.y*整块石高度+偏移线间距，ImgStride）+块体IDX.x*整块石宽度+偏移线间距；浮动*bl_ptr=挡块+偏置螺纹进线*KER2_SMEMBLOCK_跨步+偏置螺纹进线；