这个问题缺乏细节。因此，我决定创建另一个问题而不是编辑这个问题。新问题在这里：我可以并行化我的代码吗？还是不值得？ https://stackoverflow.com/questions/17937438/can-i-parallelize-my-code-or-it-is-not-worth
我有一个在 CUDA 中运行的程序，其中一段代码在循环内运行（序列化，如下所示）。这段代码是在包含地址和/或 NULL 指针的数组中进行搜索。所有线程都执行下面的代码。
while (i < n) {
if (array[i] != NULL) {
return array[i];
}
i++;
}
return NULL;
Where n的大小是array并且数组位于共享内存中。我只对与 NULL（第一个匹配）不同的第一个地址感兴趣。
整个代码（我只发布了一段，整个代码很大）运行得很快，但是代码的“核心”（即重复较多的部分）是序列化的，如您所见。我想知道是否可以使用某些优化算法并行化这部分（搜索）。
就像我说的，程序已经在 CUDA 中（以及设备中的数组），因此它不会有从主机到设备的内存传输，反之亦然。
我的问题是：n不大。很难大于 8。
我尝试对其进行并行化，但我的“新”代码比上面的代码花费了更多时间。
我正在研究归约和最小运算，但我已经检查过它在以下情况下很有用：n is big.
那么，有什么建议吗？我可以有效地并行化它，即以较低的开销吗？
简单来说，GPGPU 代码的主要限制因素之一是内存管理。在大多数计算机中，将内存复制到设备 (GPU) 是一个缓慢的过程。
如图所示http://www.ncsa.illinois.edu/~kindr/papers/ppac09_paper.pdf http://www.ncsa.illinois.edu/~kindr/papers/ppac09_paper.pdf:
“获得有效的关键要求
GPU 子例程库的加速是最小化
主机和 GPU 之间的 I/O。”
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
