我正在想办法使用 CUDA 实现以下算法：
处理大量体素，我为每个体素计算一个 indexi和一个 value c。计算后我需要执行histogram[i] += c
c的是一个浮点值，直方图最多可以有 15,000 个 bin。
我正在寻找一种使用 CUDA 有效实现这一点的方法。第一个明显的问题是，对于我正在使用的计算能力 1.3，我什至不能做一个atomicAdd()浮点数，所以我怎样才能可靠地积累任何东西？
nVidia 的这个例子做了一些更简单的事情。直方图保存在共享内存中（由于它的大小，我不能这样做）并且它只累积整数。这种方法可以推广到我的情况吗？
两步法可能是最好的。您可以为体素子集创建多个直方图，并将它们全部加起来以形成全局直方图
假设您有 N 个体素，首先创建大小为 M x 15000 的全局设备内存（其中 M < N 但大到足以让所有内核保持忙碌）
运行一个 cuda 内核来计算每个线程索引的 N/M 个体素的直方图。完成所有线程后，您现在可以运行另一个 cuda 内核，将 M 直方图求和以作为最终直方图。
使用 atomicAdd() 将直方图直接写入外部存储器将非常低效。根据直方图的范围，您可能需要考虑多次通过源数据，更新共享内存中的部分直方图，然后在每次通过后写出部分直方图。只要您不必对输入数据进行大量传递，这应该会更有效率。显然，您会希望尽可能大的部分直方图，受可用共享内存的限制，以尽量减少所需的通过次数。