Python pycuda中的加号相等（+；=）运算符

我想在pycuda中实现卷积的一种变体

为了简单起见，我将显示插值的矩形内核。 标准卷积可应用如下：

import pycuda.autoinit
import pycuda.driver as drv
import numpy as np
from pycuda.compiler import SourceModule

mod = SourceModule("""
#include <stdio.h>
__global__ void func(float *dest, float *a)
{
  const int img_size = 64;
  const int kernel_size = 3;
  const int kernel_size_half = kernel_size/2;
  const int tx = blockIdx.x * blockDim.x + threadIdx.x;
  const int ty = blockIdx.y * blockDim.y + threadIdx.y;
  int tx_kernel;

  tx_kernel = tx - kernel_size_half;
  for (int idx=-kernel_size_half; idx <= kernel_size_half; idx++) 
  {
      tx_kernel = tx + idx ;
      if ((tx_kernel < 0) || (tx_kernel > img_size-1))
        continue;
      dest[ty * img_size + tx] +=  a[ty * img_size + tx_kernel] / ((float) kernel_size);
  }
}
""")

致：

然而，第一种方法可以很好地工作，但第二种方法不行，因为它无法更新邻居。 有办法绕过它吗

注: 我简化了问题，把重点放在我需要的东西上， 一般的问题是对每个像素使用不同的卷积核，而不是像我在问题中所问的那样使用相同的卷积核

要更改行，请执行以下操作：

dest[ty * img_size + tx] +=  a[ty * img_size + tx_kernel] / ((float) kernel_size);

致：

然而，第一种方法可以很好地工作，但第二种方法不行，因为它无法更新邻居。有办法绕过它吗

从性能角度来看，首选第一种方法。但是，如果您希望“更新邻居”，则应该可以将第二个操作重铸为：

atomicAdd(&(dest[ty * img_size + tx_kernel]), a[ty * img_size + tx] / ((float) kernel_size));

---

“与计算当前位置wrt邻居不同，我想做相反的事情”这通常是一个更困难的方法，因为现在您有可能同时多个线程更新同一位置。这可能需要原子或其他一些方法来进行分类，这通常会导致执行较慢的实现。尽管如此，如果出于某种原因您希望这样做，我会首先使用原子更新邻居，而不是：

dest[ty*img\u size+tx\u kernel]+=a[ty*img\u size+tx]/（（float）kernel\u size）这样做：
atomicAdd（&（dest[ty*img\u size+tx\u kernel]），一个[ty*img\u size+tx]/（（float）kernel\u size））
dest[ty * img_size + tx] +=  a[ty * img_size + tx_kernel] / ((float) kernel_size);

dest[ty * img_size + tx_kernel] +=  a[ty * img_size + tx] / ((float) kernel_size);

atomicAdd(&(dest[ty * img_size + tx_kernel]), a[ty * img_size + tx] / ((float) kernel_size));