Configuration 如何适当调整CUDA网格的大小并启动它？
第一个问题： 假设我需要在具有1.3计算能力的特斯拉C1060上启动一个包含229080个线程的内核 因此，根据文档，这台机器有240个内核，每个对称多处理器上有8个内核，总共有30个SMs 对于“并发”运行的30720个线程，每个SM最多可以使用1024个线程 现在，如果我定义256个线程的块，这意味着每个SM可以有4个块，因为1024/256=4。因此，这些30720个线程可以在所有SMs的120个块中排列 现在以229080线程为例，我需要229080/256=~895（四舍五入）块来处理所有线程 现在让我们假设我想调用一个内核，我必须使用那些229080线程，所以我有两个选择。第一个是将问题分解，以便在一个for循环中调用内核~8次，每次调用120个块和30720个线程（229080/30720）。这样我就可以确保设备完全被占用。另一个选项是使用895个块的网格为整个229080线程调用内核，在这种情况下，许多块将保持空闲，直到SM使用它拥有的8个块完成 那么，哪一个是首选方案？那些街区闲置等待有什么区别吗？他们需要资源吗 第二个问题 假设在我调用的内核中，我需要访问非合并的全局内存，因此可以选择使用共享内存 然后我可以使用每个线程从全局内存上的数组中提取一个值，比如说Configuration 如何适当调整CUDA网格的大小并启动它？,configuration,cuda,shared-memory,Configuration,Cuda,Shared Memory,第一个问题： 假设我需要在具有1.3计算能力的特斯拉C1060上启动一个包含229080个线程的内核 因此，根据文档，这台机器有240个内核，每个对称多处理器上有8个内核，总共有30个SMs 对于“并发”运行的30720个线程，每个SM最多可以使用1024个线程 现在，如果我定义256个线程的块，这意味着每个SM可以有4个块，因为1024/256=4。因此，这些30720个线程可以在所有SMs的120个块中排列 现在以229080线程为例，我需要229080/256=~895（四舍五入）块来处理
global\u arraysyncthreads（）global_arrayglobal_array\uuu syncthreads（）\uuuuxynchthreads（）\uxynchthreads（）int idx = threadIdx.x + (blockDim.x * blockIdx.x);
if (idx < data_size)
shared[threadIdx.x] = global[idx];
__syncthreads();
int-idx=threadIdx.x+（blockDim.x*blockIdx.x）；
if（idx<数据大小）
共享的[threadIdx.x]=全局的[idx]；
__同步线程（）；
\uuu syncthreads（）\uuuuxynchthreads（）\uxynchthreads（）