斑竹你好，
我上次的帖子http://cudazone.nvidia.cn/forum/forum.php?mod=viewthread&tid=7228
根据您的指点找出了问题，tempdist_d = tempdist_d + (powf(GpuArray_d[i_d_d*AttributeN_d+j] - GpuArray_d[z_dAttributeN_d+j],2.0));中z_d是线程编号，一个warp中的临近两个线程访问访问的是不连续的存储空间（在我的问题中AttributeN=168），我试着删除z_d运行程序，果然速度是惊人的，但结果当然不对。
我需要计算nm矩阵中每个行的所有元素和剩余行对等元素之间的的距离{如n(0,0)-n(1,0),n(0,1)-n(1,0)等等}
，至今我试过矩阵转置在内的一些办法，但转置后发现连个线程之间的元素相差50000(行数)，还是未能实现优化，
真不知到怎么处理，能否再给处些建议或具体的思路？谢谢。
LZ您好：
1：您引用的原帖中各问题均已经有详细答复，请您直接参考，我并无补充。
2：访存无法合并只影响效率，不影响正确性。如果可以，请您考虑适当地改写您的代码以实现合并访问，而不是“删除z_d”，先保证正确性再考虑优化。一个结果错误的实现其速度没有任何意义。
3：未能理解“计算n*m矩阵中每个行的所有元素和剩余行对等元素之间的的距离{如n(0,0)-n(1,0),n(0,1)-n(1,0)等等}”请您给出具体叙述，以及说明什么是“对等元素”。
只有在您清楚地表达了实现意图之后，才能给您进一步的建议。
祝您好运~
我有50000行168列的矩阵。存入到指针数组。
我的计算意图是：
从数组中读取第1个元素（第一行第一元素)，计算把它和第169个元素的欧氏距离，
下一步从数组中读取第2个元素，计算把它和第170个元素的欧氏距离，
下一步从数组中读取第3个元素，计算把它和第171个元素的欧氏距离，
…
从数组中读取第168个元素，计算把它和第326个元素（第一行最后一个元素）的欧氏距离，
到此第一行和第二行之间的举例计算结束，下一步是第一行和第三行。一直到第一行和最后一行。这样下来针对第一行的整个运算结束，
然后针对第二行的计算，算法和上一行一样，具体代码请参照我的原帖，
因为算法要求，我的程序中每个线程负责计算一行，这样相邻的线程之间168元素，这样下降效率。真希望能得到能满足合并访问的改进意见。
LZ您好：
根据您3#的补充说明，您的数据是行优先存储的（即169元素即是第二行第一个元素，第326个元素是您第二行最后一个元素）。
第一行的每个元素需要和这一列的其他行的元素分别计算欧氏距离。
（第二行等应与之类似，不再翻旧帖详细看了。）
那么这个访存的需求如果要合并访问实现，那么必须得是上一组线程，分别读取一行中的数据。
但是您指定了您的算法必须是一个线程读取一行的数据，那这样是无法满足合并访问要求的。
所以，您有必要修改您的算法实现。
您可以考虑将您之前一个线程处理一行改为一组线程处理一行，这样首先可以满足合并访问。如果各列的数据和计算中间结果还需要综合在一起处理，那么您还可以使用shared memory来实现这一组线程中的数据和结果的共享。
我估计您的算法完全可以使用上述的建议改写，并有不错的访存效率和计算效率。
祝您好运~
BLOCK_NUM=32 THREAD_NUM=168
我改了之后出错，结果有误，不知是哪里的问题，斑竹可否在看一看？
for (z =bidTHREAD_NUM+tid; z < Dataset_Dimension_d; z+=BLOCK_NUMTHREAD_NUM){
for (int y=0, j=z; j < BLOCK_NUM*THREAD_NUM ; y++, j+=BLOCK_NUM )
tempdist+=(powf(CurrentRow[y]-GpuArray[j],2.0));
tempdist = 0.0f;
}
}
LZ您好：
请您借助调试工具并结合您的具体报错情况予以调试。
斑竹不是神仙，无法在既不知道您的实现意图，又不知道您的错误情况，并且只有您截取的这几行代码的情况下，自动猜出您的问题并给出解答的。请您自重。