STL推力多向量变换？

Question

我想知道是否有更有效的方式来编写 a = a + b + c？

 thrust::transform(b.begin(), b.end(), c.begin(), b.begin(), thrust::plus<int>());
 thrust::transform(a.begin(), a.end(), b.begin(), a.begin(), thrust::plus<int>());

这可行，但有没有一种方法可以只使用一行代码来获得相同的效果？ 我查看了示例中的 saxpy 实现，但是它使用了 2 个向量和一个常量值；

---

这样更有效率吗？

struct arbitrary_functor
{
    template <typename Tuple>
    __host__ __device__
    void operator()(Tuple t)
    {
        // D[i] = A[i] + B[i] + C[i];
        thrust::get<3>(t) = thrust::get<0>(t) + thrust::get<1>(t) + thrust::get<2>(t);
    }
};


int main(){

     // allocate storage
    thrust::host_vector<int> A;
    thrust::host_vector<int> B;
    thrust::host_vector<int> C;

    // initialize input vectors
    A.push_back(10);
    B.push_back(10);
    C.push_back(10);

    // apply the transformation
    thrust::for_each(thrust::make_zip_iterator(thrust::make_tuple(A.begin(), B.begin(), C.begin(), A.begin())),
                     thrust::make_zip_iterator(thrust::make_tuple(A.end(),   B.end(),   C.end(),   A.end())),
                     arbitrary_functor());

    // print the output
       std::cout << A[0] << std::endl;

    return 0;
}

Answer 1

a = a + b + c 的算术强度较低（每 4 次内存操作只有两次算术运算），因此计算将受到内存带宽的限制。为了比较您提出的解决方案的效率，我们需要衡量它们的带宽需求。

在第一个解决方案中，对transform 的每次调用都需要对plus 的每次调用进行两次加载和一次存储。因此我们可以将每个transform 调用的成本建模为3N，其中N 是向量a、b 和c 的大小。由于transform有两次调用，所以这个方案的代价是6N。

我们可以用相同的方式对第二种解决方案的成本进行建模。每次调用arbitrary_functor 需要三个加载和一个存储。所以这个解决方案的成本模型是4N，这意味着for_each 解决方案应该比调用transform 两次更有效。当N 很大时，第二个解决方案应该比第一个解决方案更快地执行6N/4N = 1.5x。

当然，您始终可以以类似的方式将zip_iterator 与transform 组合起来，以避免两次单独调用transform。