5
我必須解決GPU上的一個非常標準的問題，但我對實際的GPGPU頗爲陌生，所以我正在尋找解決此問題的方法。分段縮減與分散段
我在三維空間中有很多點被分配到極少數組（每個點屬於一個組），在這種情況下（特別是15）（不會改變）。現在我想計算所有組的均值和協方差矩陣。所以在CPU上是大致相同：
for each point p
{
mean[p.group] += p.pos;
covariance[p.group] += p.pos * p.pos;
++count[p.group];
}
for each group g
{
mean[g] /= count[g];
covariance[g] = covariance[g]/count[g] - mean[g]*mean[g];
}
由於組的數目是非常小的，最後一步可以將CPU（我需要在CPU上的值，反正）上進行。第一步實際上只是一個分段縮減，但是分散的部分。
所以我提出的第一個想法是首先按他們的小組排序。我想過使用atomic_inc來計算桶大小和每點重定位索引（對於排序有更好的想法？，原子可能不是最好的想法）。之後，他們按組進行排序，我可能會想出適應分段掃描算法here。
但是在這種特殊情況下，我得到了大量的每點數據（9-10浮點數，如果需要的話可能甚至是雙精度浮點數），所以標準算法每個線程使用一個共享內存元素，點可能會使每個多處理器資源成爲共享內存或寄存器的問題（好吧，計算能力1.x比2.x要多得多，但仍然存在）。
由於組數非常少且不變，我認爲可能會有更好的方法。也許已經有適合這種標準問題的這些特定屬性的想法。或者，也許我的一般方法並沒有那麼糟糕，並且您有改進各個步驟的想法，例如適用於非常少量密鑰的良好排序算法或者一些分段縮減算法，以儘量減少共享內存/寄存器的使用。
我正在尋找一般方法，不想使用外部庫。 FWIW我正在使用OpenCL，但它並不重要，因爲GPU計算的一般概念在主要框架上並沒有真正的差異。
這是一個很常見的模式。使用Thrust，首先需要'sort_by_key'將每個段中的數據放在一起，然後'reduce_by_key'來計算每個組的均值和協方差。 – 2012-04-06 23:28:34