是"；“放松”；CUDA中是否可以同步块中的线程？

我知道什么是

\uu syncthreads（）

，我想做一点不同的事情：

__global__ void kernel()
{
  __shared__ array[1024];
  some other declarations

  load some data into array
label1:
  do some other independent calculations

label2:
  use data from array
  ...
}

所以我可以做

\uu syncthreads（）

；在label2。它的语义是，只有当所有线程都达到

label2

时，线程才能超越

label2

---

我实际需要的是确保当所有其他线程都到达

label1

时，线程可以超越

label2

。这样的障碍比较弱，我希望它能减少对我程序的阻碍。有没有像这样的松弛屏障？

只有当块的大小等于扭曲（或一半）时，才可以安全地忽略

\u syncthreads（）

。这种技术被称为“扭曲同步编程”。由于一个warp中的所有线程都同时执行，因此可以确保它们在某个点上已经执行了先前的指令。在其他情况下，您只能假设一个块中的所有线程都经过内核的某个部分——这是一个非常危险的假设

当第一次到达

label2

时，您如何确保所有线程都将通过

label1

？如何定义“第一个线程”？我大致了解GPU的工作原理，但当然不能完全确定。GPU接受线程0-31，为它们执行一个操作。若操作需要一个以上的周期，GPU将为线程32-63执行一个操作。。。因此，内存读取后的额外计算越多，就越有可能有足够的周期插入其他线程的执行。如果内存读取位于内核的开头，我想它们将彼此非常接近地开始，并在多次循环后完成，但也会同时完成。使用

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu共享

内存原子可以构造一个“有条件的”

\uuuuuuuuuuuuuuuuuuuu。如果没有完整的示例或测试用例，我不清楚它是否会比正常发布
\uuu syncthreads（）
带来更多好处，按照您的要求，没有内置的条件功能。使用共享内存本身就需要使用
\u syncthreads（）
进行正确的初始化。由于线程在初始化期间不会有太大的进展，或者初始化成本可以在多次使用homebuild sync构造时摊销，所以它可能仍然会带来净收益。但是，与每个SM运行多个块以使
\uuu syncthreads（）
便宜的简单解决方案相比，它有很多摊销成本。PTX通过未在CUDA C级别公开的指令为生产者-消费者方案提供了相关机制。但我不能马上看出这是如何容易地在这里实现的，因为消费者仍然需要等待所有其他消费者。在投票否决我的答案之前，请阅读原始（未编辑）问题。如果你仍然不同意，用评论告诉我有什么问题。我相信在我编辑这个问题之前，它被否决了。原始版本的要求与我的编辑相同，但以间接/复杂的方式。因此，这不是问题的答案。（但不是我的反对票）