Как преобразовать этот тип вложенных циклов в CUDA C ++ для параллельного программирования?

Question

это то, что я пытался.Трудно найти лучшее индексирование ... Этот вложенный цикл несколько трудно решить.

    int k=0;
    for (int m=0; m<7; i++) // outer loop
    {   
      for(int j=0; j<100; j++) // inner loop 1
      {a[k] = b[m] + c[j];
      k++;
      }

      for(int j=0; j<100; j++) // inner loop 2
      {a[k] = b[m] - c[j];
      k++;
      }

    }

Answer 1

Для вашего примера кода итерации цикла кажутся независимыми, что облегчает задачу.

Мы можем начать с подсчета общего числа итераций: 8 * (100 + 100) = 1600.

Поэтому мы бы хотели ускорить сетку из как минимум 1600 потоков, если мы хотим полностью распределить работу.

Ваша переменная m не кажется зависимой от цикла, поэтому b[m] фактически является константой для кода, который вы показали.

Другим элементом планирования является определение индексации j на основе k, но это также довольно просто, это просто k%100.

Последний элемент планирования - учет изменения знака c на протяжении итераций цикла.Мы можем использовать k/100, чтобы помочь нам определить это.

Поэтому мы создадим глобально уникальную переменную индекса потока и используем ее в качестве нашей k переменной:

__global__ void my_kernel(T1 *a, T2 *b, T3 *c, int N){

  int k = threadIdx.x+blockDim.x*blockIdx.x;
  int m = <some value>;
  int j = k%100;
  if (k < N)
      a[k] = b[m] + ((k/100)&1)?(-c[j]):c[j];
}

Убедитесь, чтозапустить его как минимум с 1600 нитями (в 1D сетке), передав 1600 для N.T1, T2, T3 могут быть typedefs для любых типов, соответствующих a, b, c.

Обратите внимание, что в вашем коде есть следующее:

for(int j=0; j<100; j+=)
                      ^
                     This doesn't make sense to me.

Итак, я только что сделал вид, что это было вместо этого:

for(int j=0; j<100; j++)

с такой модификацией (не такой, как было отредактировано в вопросе):

for (int m=0; m<7; m++) // outer loop
                   ^

Единственное изменение заключается в вычислении переменной m:

__global__ void my_kernel(T1 *a, T2 *b, T3 *c, int N){

  int k = threadIdx.x+blockDim.x*blockIdx.x;
  int m = k/200;  // change this line
  int j = k%100;
  if (k < N)
      a[k] = b[m] + ((k/100)&1)?(-c[j]):c[j];
}