CUDA学习（六）之使用共享内存（shared memory）进行归约求和（M个包含N个线程的线程块）

在https://www.cnblogs.com/xiaoxiaoyibu/p/11402607.html中介绍了使用一个包含N个线程的线程块和共享内存进行数组归约求和，

基本思路：

　　定义M个包含N个线程的线程块时（NThreadX = ((NX + ThreadX - 1) / ThreadX)），全局线程索引需使用tid = blockIdx.x * blockDim.x + threadIdx.x，而在每个线程块中局部线程索引是i = threadIdx.x，

每个线程块只计算一部分求和，求和结果保存在该线程块中的共享内存数组0号元素中，线程结束后将该值赋给对应全局数组（blockIdx.x * blockDim.x）元素中，最后在CPU端使用循环将每个线程块所求和相加，即得到最后结果。

代码如下：

#pragma once
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include "device_functions.h"

#include <iostream>

using namespace std;
const int NX = ;            //数组长度
const int ThreadX = ;        //线程块大小
//使用shared memory和多个线程块
__global__ void d_SharedMemoryTest(double *para)
{
    int i = threadIdx.x;                                    //该线程块中线程索引
    int tid = blockIdx.x * blockDim.x + threadIdx.x;        //M个包含N个线程的线程块中相对应全局内存数组的索引（全局线程）

    __shared__ double s_Para[ThreadX];                        //定义固定长度（线程块长度）的共享内存数组
    if (tid < NX)                                            //判断全局线程小于整个数组长度NX，防止数组越界
        s_Para[i] = para[tid];                                //将对应全局内存数组中一段元素的值赋给共享内存数组
    __syncthreads();                                        　//(红色下波浪线提示由于VS不识别，不影响运行)同步，等待所有线程把自己负责的元素载入到共享内存再执行下面代码

    for (int index = ; index < blockDim.x; index *= )        //归约求和
    {
        __syncthreads();
        if (i % ( * index) == )
        {
            s_Para[i] += s_Para[i + index];
        }
    }

    if (i == )                                                //求和完成，总和保存在共享内存数组的0号元素中
        para[blockIdx.x * blockDim.x + i] = s_Para[i];        //在每个线程块中，将共享内存数组的0号元素赋给全局内存数组的对应元素，即线程块索引*线程块维度+i（blockIdx.x * blockDim.x + i）

}

//使用shared memory和多个线程块
void s_ParallelTest()
{
    double *Para;
    cudaMallocManaged((void **)&Para, sizeof(double) * NX);        //统一内存寻址，CPU和GPU都可以使用

    double ParaSum = ;
    for (int i = ; i<NX; i++)
    {
        Para[i] = (i + ) * 0.01;                        //数组赋值
        ParaSum += Para[i];                                //CPU端数组累加
    }

    cout << " CPU result = " << ParaSum << endl;        //显示CPU端结果
    double d_ParaSum;

    int NThreadX = ((NX + ThreadX - ) / ThreadX);
    cout << " 线程块大小 ：" << ThreadX << "                线程块数量 ：" << NThreadX << endl;

    d_SharedMemoryTest << < NThreadX, ThreadX >> > (Para);                //调用核函数（M个包含N个线程的线程块）

    cudaDeviceSynchronize();                            //同步

    for (int i=; i<NThreadX; i++)
    {
        d_ParaSum += Para[i*ThreadX];                    //将每个线程块相加求的和（保存在对应全局内存数组中）相加求和
    }

    cout << " GPU result = " << d_ParaSum << endl;        //显示GPU端结果

}

int main() {

    s_ParallelTest();

    system("pause");
    return ;
}

结果如下（CPU和GPU结果一致）：