Sorting 什么是最快的基数排序实现

我是GPU编程的新手。最近，我正试图实现基于教程的gpu bvh构造算法：。在该算法的第一步中，计算并排序每个基元的莫顿码（无符号整数）。本教程给出了计算和排序12K对象的morton代码的参考时间成本：

0.02毫秒，每个对象一个线程：计算边界框并指定Morton代码

0.18毫秒，平行基数排序：根据对象的莫顿代码对对象进行排序。

在我的实现中，第一步花费0.1ms，排序步骤花费1.8ms。我用推力做分类。那么，在GPU上实现基数排序的最快方法是什么

我使用的Geforce Titan GPU应该比教程作者使用的Geforce GTX690更快。 这是我的排序测试代码，即使大小为10，也要花费1.5毫秒

void testSort()
{
    int sz = 10;
    thrust::host_vector<unsigned int> h_keys(sz);
    for(int i=0; i<sz; i++)
        h_keys[i] = rand();
    thrust::device_ptr<unsigned int> keys = thrust::device_malloc<unsigned int>(sz);
    thrust::copy(h_keys.begin(),h_keys.end(),keys);
    cudaEvent_t estart, estop;
    cudaEventCreate( &estart );
    cudaEventCreate( &estop );
    cudaEventRecord( estart, 0 );
    thrust::stable_sort(keys,keys+sz);
    cudaEventRecord( estop, 0 ) ;
    cudaEventSynchronize( estop );
    float elapsedTime;
    cudaEventElapsedTime( &elapsedTime,
        estart, estop ) ;
    printf( "Time to sort: %3.1f ms\n", elapsedTime );
    cudaEventDestroy( estart ) ;
    cudaEventDestroy( estop ) ;
}

void testSort（）
{
int sz=10；
推力：主机_向量h_键（sz）；
对于（inti=0；i，GPGPU有一个基数排序的实现方式。他们提供了一个性能比较图，声称他们的实现是最快的