我有一个内核,可以进行一些比较并决定两个对象是否发生碰撞。我想将碰撞对象的 id 存储到输出缓冲区。我不想在输出缓冲区中有间隙。我想将每个碰撞记录到输出缓冲区中的唯一索引中。
所以我在共享内存(本地总和)和全局内存(全局总和)中创建了一个原子变量。下面的代码显示了在发现冲突时共享变量的递增。我现在在全局内存中增加原子变量没有问题。
__global__ void mykernel(..., unsigned int *gColCnt) {
...
__shared__ unsigned int sColCnt;
__shared__ unsigned int sIndex;
if (threadIdx.x == 0) {
sColCnt = 0;
}
__syncthreads();
unsigned int index = 0;
if (colliding)
index = atomicAdd(&sColCnt, 1); //!!Time Consuming!!
__syncthreads();
if (threadIdx.x == 0)
sIndex = atomicAdd(gColCnt, sColCnt);
__syncthreads();
if (sColCnt + sIndex > outputSize) { //output buffer is not enough
//printf("Exceeds outputsize: %d + %d > %d\n", sColCnt, sIndex, outputSize);
return;
}
if (colliding) {
output[sIndex + index] = make_uint2(startId, toId);
}
}
我的问题是,当许多线程尝试增加原子变量时,它们会被序列化。在写前缀总和之类的东西之前,我想问一下是否有一种方法可以有效地完成这项工作。
由于出现了这一行,我的内核的运行时间从 13 毫秒增加到 44 毫秒。
我找到了一个前缀和示例代码,但由于 NVIDIA 的讨论板已关闭,其引用的链接失败。
https://stackoverflow.com/a/3836944/596547
编辑:
我也在上面添加了我的代码的结尾。事实上,我确实有等级制度。为了查看每个代码行的影响,我设置了每个对象相互碰撞的场景,极端情况和另一个几乎没有对象碰撞的极端情况。
最后,我将共享原子变量添加到全局变量 (gColCnt) 中,以告知外部冲突的数量并找到正确的索引值。我想我必须以任何方式在这里使用 atomicAdd 。
最佳答案
考虑使用并行流压缩算法,例如 thrust::copy_if
.
关于CUDA:atomicAdd 花费太多时间,序列化线程,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11597802/