CUDA学习（四）之使用全局内存进行归约求和（一个包含N个线程的线程块）

问题：使用CUDA进行数组元素归约求和，归约求和的思想是每次循环取半。

详细过程如下：

　　假设有一个包含8个元素的数组，索引下标从0到7，现通过3次循环相加得到这8个元素的和，使用一个间隔变量，该间隔变量随循环次数改变（累乘）。

　　第一次循环，间隔变量stride等于1，将0与1号元素、2与3号元素、4与5号元素、6与7号元素相加并将结果分别保存在0、2、4、6号元素中（图中红色框所示）。

　　第二次循环，间隔变量stride等于2，将0与2号元素、4与6号元素相加并将结果分别保存在0、4号元素中（图中红色框所示）。

　　第三次循环，间隔变量stride等于4，将0与4号元素相加并将结果保存在0号元素中（图中红色框所示）。

　　三次循环过后，整个数组元素相加之和就保存在数组0号元素中。

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 N = 128;        //数组长度

__global__ void d_ParallelTest(double *Para)
{
    int tid = threadIdx.x;
    //----随循环次数的增加，stride逐次翻倍（乘以2）-----------------------------------------------------
    for (int stride = 1; stride < blockDim.x; stride *= 2)
    {
        if (tid % (2 * stride) == 0)
        {
            Para[tid] += Para[tid + stride];　　　　　　　　　　//对应上图中红色框的元素
        }
        __syncthreads();
    }

}

void ParallelTest()
{
    double *Para;
    cudaMallocManaged((void **)&Para, sizeof(double) * N);        //统一内存寻址，CPU和GPU都可以使用的数组

    double ParaSum = 0;
    for (int i = 0; i<N; i++)
    {
        Para[i] = (i + 1) * 0.1;                        　　//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;

    d_ParallelTest << < 1, N >> > (Para);                　　//调用核函数（一个包含N个线程的线程块）

    cudaDeviceSynchronize();                            　　//同步
    d_ParaSum = Para[0];                                　　//从累加过后数组的0号元素得出结果
    cout << " GPU result = " << d_ParaSum << endl;         //显示GPU端结果

}

int main() {
//并行归约
    ParallelTest();　　　　　　　　　　　　　　　　　　　　　　  //调用归约函数

    system("pause");
    return 0;
}

结果如下所示（CPU和GPU计算结果一致）：