用CUDA解決涉及更復雜數據結構的問題

Question

因此，我讀了一些關於CUDA和GPU編程的內容。我注意到一些事情，例如訪問全局內存很慢（因此應該使用共享內存），並且變形中線程的執行路徑不應該偏離。

我也看了一下（密集）矩陣乘法的例子，在程序員手冊和nbody problem中描述過。實施的竅門似乎是一樣的：將計算排列在一個網格中（它已經在矩陣mul的情況下）;然後將網格細分爲更小的圖塊;將磁貼獲取到共享內存中，並讓線程儘可能長的計算，直到它需要將數據從全局內存重新加載到共享內存中。

在N體問題計算每個體體相互作用的情況下，是完全相同的（頁682）：

bodyBodyInteraction(float4 bi, float4 bj, float3 ai) 

它需要兩個機構和加速度矢量。身體矢量有四個組成部分，它的位置和重量。閱讀紙張時，計算可以很容易理解。

但是，如果我們有一個更復雜的對象，動態數據結構呢？現在假設我們有一個對象（類似於紙上的正文對象），它有一個附加的其他對象的列表，並且每個線程中附加的對象的數量是不同的。我怎麼能夠實現這一點，而不必讓線程的執行路徑發生分歧？

我還在尋找能夠解釋如何在CUDA中有效實現涉及更復雜數據結構的不同算法的文獻。

Answer 1

你的問題是有點一般，所以這裏幾個常用的方法：

• 墊數據，以便在相同尺寸的所有對象（例如零）

• 重新組織你的類似數據適合經線，發散只發生在經線內，不跨越多線經線

• 經線線始終同步。如果可能且必要的話，將數據劃分爲小於33的2的冪，以避免明確的同步。

• 也沒關係有一些分歧

• 使用C++模板，如果有幫助，幫助指導內核流程。