opencl中并行和约简的实现
我正在查看链接提供的NVIDIA示例代码。
在示例内核代码(文件oclReduction_kernel.c)中，reduce4使用了
1)展开和消除线程id < 32的同步障碍。
2)除此之外，代码还使用blockSize检查来对本地内存中的数据进行求和。我认为在OpenCL中，我们有get_local_size(0/1)来了解工作组的大小。整块的尺寸让我很困惑。
以上两点我都听不懂。这些东西为什么和如何帮助优化？对reduce5和reduce6的任何解释也将是有帮助的。
回答 1
Stack Overflow用户
发布于 2015-07-31 23:34:42
在@Marco13 13的评论中，高级/还原/doc/还原。的幻灯片21和22中已经对此做了很好的解释。
- 随着还原的进行，#“活动”线程减少
- 当s <= 32时，我们只剩下一个翘曲。
- 指令是在翘曲内同步的SIMD。
- 这意味着当s <= 32：
- 我们不需要__syncthreads()
- 我们不需要“if (tid
没有展开，所有的翘曲都会执行for循环和if语句的每一次迭代。
并由https://www.pgroup.com/lit/articles/insider/v2n1a5.htm
代码实际上是由32个线程组成的组执行的，NVIDIA称之为翘曲。 每个核心可以执行一个顺序线程，但是核心以NVIDIA所称的SIMT (单指令，多线程)的方式执行；同一组中的所有核同时执行相同的指令，就像经典的SIMD处理器一样。
Re 2) blockSize看起来是工作组的大小。
https://stackoverflow.com/questions/31749780
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号