Vector 执行CUDA/推力中的矢量求和

所以我尝试在CUDA中实现随机梯度下降，我的想法是将其并行化，类似于本文中描述的方式

该实现的目标是MapReduce分布式环境，因此我不确定它在使用GPU时是否最佳

简而言之，其思想是：在每次迭代中，计算批次（map）中每个数据点的误差梯度，通过求和/减少梯度取其平均值，最后执行梯度步骤，根据平均梯度更新权重。下一次迭代从更新的权重开始

该库允许我对一个向量进行缩减，例如，允许我对向量中的所有元素求和

我的问题是：如何在CUDA/推力中求和/减少向量数组？ 输入将是一个向量数组，输出将是一个向量，该向量是数组中所有向量的总和（或者，理想情况下是它们的平均值）。

将我的评论转换为以下答案：

假设每个向量的长度为

m

，数组的大小为

n

。 然后，“向量数组”与大小为

nxm

的矩阵相同

如果将存储格式从“向量数组”更改为大小为

n*m

的单个向量，则可以使用

struct:：reduce\u by_key

分别对该矩阵的每一行求和

---

示例说明了如何执行此操作。

一个“向量数组”与一个矩阵相同（如果向量长度相等）；请看一个示例，该示例演示了如何对matrixThrust的行进行求和，因此真正简短的答案是，如果不更改存储格式，您可能无法使用推力来完成此操作data@m.s.谢谢，我想这样的构造可以解决我的问题。@m.s如果你想提供答案，我会投赞成票。