我有一个问题，每个线程块（一维）必须对共享内存内的一个数组进行扫描，并执行几个其他任务。（该数组最多有 1024 个元素。）
有没有支持这种操作的好库？
我检查了 Thrust 和 CudPP 但它们都只在数据最初位于全局内存中时才起作用，这不是我想要的，因为我不想为很少的工作启动一个新内核并将数据复制回全局内存，因为它有相当大的开销。
如果没有支持此类操作的公共库，那么如果我只想编写一次此操作并在几个不同的问题中使用它，您有什么建议？
我的第一个想法是编写一个简单的设备函数来运行扫描操作，但是是否可以从不是内核函数的设备函数访问共享内存并执行 __syncthreads() 操作？我的另一个想法是在宏中编写整个函数，然后它会起作用，因为预处理器将代码复制到内核代码，但编写如此复杂的宏并不是使用宏的最佳方式。
PS.：我有流式多处理器版本 2.1，所以我不能从另一个启动新内核。