Vector CUDA内核中的STD类

我知道在CUDA内核中无法使用string、vector、map或set等std类。然而，没有它们是非常不舒服的。我必须在CUDA内核中编写大量代码，所以我希望至少使用字符串和向量。我不是说像推力这样的东西。我希望能够写出这样的东西：

__global__ void kernel()
{
    cuda_vector<int> a;
    for(int i=0;i<10;i++)
        a.push_back(i);
}

int main()
{
    kernel<<<1,512>>>();
    return 0;
}

\uuuu全局\uuuuu无效内核（）
{
cuda_矢量a；
对于（int i=0；i我没有使用过它，但是您可能对它感兴趣，尤其是
向量
实现。看起来它可以做您需要它做的事情。
您找不到类似std:：vector for cuda的东西的原因是性能。您传统的向量对象与cuda模型不太适合。如果您计划在上使用只有512个线程，每个线程将管理一个类似std:：vector的对象。与在CPU上运行相同的代码相比，您的性能会更差

GPU线程不像CPU线程，它们应该尽可能轻。使用线程块和共享内存让线程协作。如果你在操作一个字符串，每个线程应该处理一个字符，如果你在CPU中使用向量，则将一个数组传递给GPU，并让每个线程处理一个元素。基本上，想想如何用CUDA编程模型解决问题，就像用CPU方法解决问题一样，然后将其转换为CUDA。
只要知道这样的东西对性能一点好处都没有。阅读CUDA C编程指南和最佳实践指南，你就会明白为什么。我明白。但是，我很少使用eed字符串和向量。我的意思是，在计算密集的部分，我不必使用它们。因此，它不会对性能产生太大影响。谢谢你的回答。如果我在forums.nvidia.com上问这个问题，我可能不得不等几天（有经验…）然而，这不是我需要的。这个cupp:：vector用于主机代码中。我只想在内核本身中使用vector，而不是在内核之外。我知道这两个模型之间的区别。我想我应该解释一下为什么我需要它。让我们假设我有一个大任务，需要对许多不同的数据（约10000个）执行完全相同的操作.由于这项任务现在正在执行，CPU对这10000个不同的数据执行相同的工作。现在，我想将这些数据传播到不同的cuda内核，但不想对代码做太多更改。因此，每个内核都会做很多事情，但会同时完成。因此，如果CPU有10000个向量，并按顺序执行操作，GPU就会这样做同时，我打赌会快得多：）