OpenCLでベクターを累積する方法は？

Question

私は一連の操作をループで実行しています。

for(int i = 0; i < row; i++) 
{ 
    sum += arr1[0] - arr2[0] 
    sum += arr1[0] - arr2[0] 
    sum += arr1[0] - arr2[0] 
    sum += arr1[0] - arr2[0] 

    arr1 += offset1; 
    arr2 += offset2; 
} 

今、私はこの

for(int i = 0; i < row; i++) 
{ 
    convert_int4(vload4(0, arr1) - vload4(0, arr2)); 

    arr1 += offset1; 
    arr2 += offset2; 
} 

のような操作をベクトル化しようとしている。しかし、どのように私は、ループを使用せずに、スカラsumで得られたベクターを蓄積していますか？

私はOpenCL 2.0を使用しています。

Answer 1

私は自分の問題を解決するために最も近い方法と思われる解決策を見つけました。

uint sum = 0; 
uint4 S; 

for(int i = 0; i < row; i++) 
{ 
    S += convert_uint4(vload4(0, arr1) - vload4(0, arr2)); 

    arr1 += offset1; 
    arr2 += offset2; 
} 

S.s01 = S.s01 + S.s23; 
sum = S.s0 + S.s1; 

のOpenCL 2.0は、上記のようにベクトルの要素を順次加算演算で置き換えることができるベクターで、この機能を提供します。これは、最大16のベクトルまでサポートできます。大きな操作は、小さな操作の要素に分割できます。たとえば、サイズ32の2つのベクトルの差の絶対値を加算するには、次のようにします。

uint sum = 0; 
uint16 S0, S1; 

for(int i = 0; i < row; i++) 
{ 
    S0 += convert_uint16(abs(vload16(0, arr1) - vload16(0, arr2))); 
    S1 += convert_uint16(abs(vload16(1, arr1) - vload16(1, arr2))); 

    arr1 += offset1; 
    arr2 += offset2; 
} 

S0 = S0 + S1; 
S0.s= S0.sS0.s89abcdef; 
S0.s= S0.sS0.s4567; 
S0.s01 = S0.s01 + S0.s23; 
sum = S0.s0 + S0.s1; 

Answer 2

操作は「縮小」と呼ばれ、いくつかの情報があるようです。here

OpenCLの特殊関数が実装されているようですが、work_group_reduce()のように、linkが役に立ちます。

いくつかのコードを含むプレゼンテーション：link。

Answer 3

float2、float4などの場合、最も簡単なバージョンはドットプロダクトである可能性があります。 （int型からfloatへの変換が高価になる可能性があります）

float4 v1=(float4)(1,2,3,4); 
float4 v2=(float4)(5,6,7,8); 

float sum=dot(v1-v2,(float4)(1,1,1,1)); 

これは

(v1.x-v2.x)*1 + (v1.y-v2.y)*1+(v1.z-v2.z)*1+(v1.w-v2.w)*1 

に等しく、それのための任意のハードウェアサポートがある場合、コンパイラの慈悲にそれを残すことは大丈夫でなければなりません。より大きなベクトルや特に配列については、J.H.Bonariusの答えが行く方法です。 GPUにはこのような垂直方向の和演算はありませんが、GPUにはこれがありませんが、移植性のためにドットプロダクトとwork_group_reduceは読みやすさとパフォーマンスを達成する最も簡単な方法です。

ドットプロダクトには余分な乗算があるため、常に良いとは限りません。