cuda编程---二维图像实现并行归约算法及基础优化方式

注：
1、本文不做任何公式推导，主要包含对算法的个人理解及少量的代码
2、以求取最大值为例，给出二维图像并行规约代码
代码中对于图像数据的处理，采用1维的共享内存和2维的共享内存分别实现归约
3、对于归约算法基础的优化方式（这里指连续寻址、分支发散），分析其背后的机制

一、前言

cuda的并行归约算法是cuda的入门经典算法之一，网上有许多公式推导和原理的详解，并行归约的核心思想就是每一个线程同时计算一部分数据，最后再把结果合并。这里不做过多的赘述。
在本文中，我们假设有一个1000 * 512大小的图像数据流float * data，每一行的pitch为1024* sizeof(float)，在此基础上我们对并行规约算法及其常见的、基础的、经典的优化算法进行研究。
最简单的规约算法如下：

__global__ void MyReduction1D(float* _inData, float