c++ - 使用 Thrust 循环优化 CUDA

Question

给定以下代码，使用 Thrust(CUDA 的 C++ 模板库)生成一种带有 CUDA 的代码字典:

thrust::device_vector<float> dCodes(codes->begin(), codes->end());
thrust::device_vector<int> dCounts(counts->begin(), counts->end());
thrust::device_vector<int> newCounts(counts->size());

for (int i = 0; i < dCodes.size(); i++) {
    float code = dCodes[i];
    int count = thrust::count(dCodes.begin(), dCodes.end(), code);

    newCounts[i] = dCounts[i] + count;

    //Had we already a count in one of the last runs?
    if (dCounts[i] > 0) {
        newCounts[i]--;
    }

    //Remove
    thrust::detail::normal_iterator<thrust::device_ptr<float> > newEnd = thrust::remove(dCodes.begin()+i+1, dCodes.end(), code);
    int dist = thrust::distance(dCodes.begin(), newEnd);
    dCodes.resize(dist);
    newCounts.resize(dist);
}

codes->resize(dCodes.size());
counts->resize(newCounts.size());

thrust::copy(dCodes.begin(), dCodes.end(), codes->begin());
thrust::copy(newCounts.begin(), newCounts.end(), counts->begin());

问题是，我通过使用 CUDA 视觉分析器注意到了 4 字节的多个拷贝。 IMO 这是由生成的

1. 循环计数器i
2. 浮点代码、int count和dist
3. 每次访问i以及上面提到的变量

这似乎会减慢一切(连续复制 4 个字节并不有趣......)。

那么，我如何告诉推力，这些变量应在设备上处理？或者他们已经这样了？

使用 Throw::device_ptr 对我来说似乎还不够，因为我不确定 for 循环是在主机上还是在设备上运行(这也可能是缓慢的另一个原因)。

Answer 1

对于 i 的每次重复，大小、索引、代码等都必须从主机复制到设备。 根据你的程序的方式，你无能为力。 为了获得最佳结果，请考虑在设备上移动整个 i 循环，这样您就不会拥有主机到设备的拷贝。

信任对于某些事情来说非常有用，但是在涉及性能并且算法不太适合可用函数的情况下，您可能必须重写以获得最佳性能而不显式使用推力算法。