Sorting 对向量的最小K个元素进行排序以在GPU上实现蛮力K近邻算法

我使用纯CUDA和推力库函数调用在GPU上实现了一个K-最近邻

欧几里德距离是用纯CUDA核计算的。然后，使用推力排序工具（基数排序）按递增顺序对距离进行排序。最后，从排序向量中检索K个第一元素（即K个最近邻）

我的实现运行良好。然而，仅仅为了检索K-nn而对整个欧几里德距离矩阵（集合可以包含超过250000个训练样本）进行排序似乎不是最优的

因此，我正在寻找一种GPU算法实现，它允许在找到K个最小元素后停止排序计算，或者执行有效的N取K排序。对于小K，它确实比对整个矩阵进行排序要快

如果这样的实现不可用，我也会感兴趣的建议，以实现它在纯CUDA或推力有效。我在考虑对每个测试样本使用几个线程来查找最近的K，每个线程运行到欧几里德距离的一部分。我会在共享内存中维护一个大小为K的缓冲区。我将遍历这些距离，并将Knn插入共享内存向量中。但是，它需要一些扭曲级别的同步和线程发散

---

感谢您的帮助。

您正在寻找一种解决K-最近邻问题的方法，该方法包括两个步骤：

求元素之间的欧氏距离

查找提供

K

最小距离的第一个

K

元素

这种方法似乎已经存在，并已在欧洲实施

并在2009年GTC会议上作为

该方法通过以下步骤解决上述两个步骤：

使用L.Nyland，M.Harris，J.Prins，“CUDA快速N体模拟”，在：GPU Gems III.NVIDIA（2007）677–695中开发的经典N体方法来计算欧氏距离

使用该技术，基于并行堆的思想

---

同样，正如我在上面的评论中提到的，避免使用“暴力”的更好方法是使用

对于StackOverflow，建议或查找库的问题是离题的。然而，在我看来，你最好需要一种方法，而不是一个图书馆。你不妨据此重新提出你的问题。据我所知，K-最近邻是通过KD树方法有效解决的，请参见示例。@JackOLantern谢谢您的回答。然而，我的目标是在GPU上实现“蛮力”KNN算法，而不是kd树版本。你们是对的，提出推荐图书馆的问题是离题的，所以我修改了我的问题。我希望现在一切都好。谢谢你@Jackolanten这正是我想要的。这些科学论文很有用。我只是依靠你，但你的想法似乎更聪明。