我有一个关于 block 平均的问题。我的输入数据大小为256*512，我将256个线程放在一个 block 中，所以总共有512个 block 。输出的大小应为256，其中每个元素是不同 block 中相同线程ID的平均值。换句话说，对所有 512 个 block 中的线程 1 进行平均，并将结果提供给输出数组的线程 1。类似地，对所有 512 个 block 中的线程 2 进行平均，并将其提供给输出数组的线程 2。我知道通过使用共享内存在 block 内进行平均是非常快速和高效的，但这不是这里的条件。使用 NPP 函数可以让我在 for 循环中完成此操作，但这确实很耗时。有人可以建议如何有效地对 block 进行平均吗？非常感谢!
最佳答案
为什么不翻转它，每个 block 执行 512 个线程，并执行共享内存求和缩减来计算 block 内的总和，然后除以 512 并存储到全局内存？
您还可以使用 thrust 快速进行编码，使用按键归约操作。
关于CUDA-如何对 block 进行平均？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/11892575/