在CUDA中启动的最有效区块数？ 我有一个非常大的数组，包含N0元素 每个线程将循环并在m元素上运行 我已经修复了每个块的TBP线程 CUDA约束每个网格的块BPG元素> TBP＝32 < /代码> ./P> 我可以触发3个32线程块，每个线程循环一次（m=1），这意味着3 x 32 x 1=96元素可以在其上操作，即损耗6 或者我可以发射2个32块，其中m=2，这意味着2 x 32 x 2=128元素可以被操作，这是损耗38
对于大型阵列（100MB+）和大量环路（10000+），这些因素会变得更大，因此损耗会变得非常大，因此如何最大限度地减少损耗？也就是说，我想要一个优化过程（其中在CUDA中启动的最有效区块数？ 我有一个非常大的数组，包含N0元素 每个线程将循环并在m元素上运行 我已经修复了每个块的TBP线程 CUDA约束每个网格的块BPG元素> TBP＝32 < /代码> ./P> 我可以触发3个32线程块，每个线程循环一次（m=1），这意味着3 x 32 x 1=96元素可以在其上操作，即损耗6 或者我可以发射2个32块，其中m=2，这意味着2 x 32 x 2=128元素可以被操作，这是损耗38,cuda,gpgpu,Cuda,Gpgpu,对于大型阵列（100MB+）和大量环路（10000+），这些因素会变得更大，因此损耗会变得非常大，因此如何最大限度地减少损耗？也就是说，我想要一个优化过程（其中N表示实际完成的工作）： 我不会担心“浪费”线程——GPU线程是轻量级的 实际上，您可能希望增加块大小，因为这可能会增加GPU的占用率。请注意，SMX（在GeForce 6xx行中）只能执行16个并发块。将块变大将允许您安排更多线程来隐藏内存访问延迟。这实际上是一个相当复杂的问题，我怀疑是否有O（1）解决方案。 但我猜你们可以在CPU上花
N我不会担心“浪费”线程——GPU线程是轻量级的
实际上，您可能希望增加块大小，因为这可能会增加GPU的占用率。请注意，SMX（在GeForce 6xx行中）只能执行16个并发块。将块变大将允许您安排更多线程来隐藏内存访问延迟。这实际上是一个相当复杂的问题，我怀疑是否有O（1）解决方案。 但我猜你们可以在CPU上花费一些线性时间来计算最小值
根据您在内核中所做的一切，答案可能会像您引用的优化问题那样简单，也可能不会。例如，如果你将有等待时间的问题，等待彼此完成的线程，等等，那么还有更多的问题需要考虑。 这有一些很好的启发。一些一般要点： 选择每个网格的块
- 每个网格的块数应大于等于多处理器的数量
- 内核中越多地使用
，块就越多（这样一个块可以运行，而另一个块可以等待同步）\uu syncthreads（）
- 经纱尺寸的倍数（即通常为32）
- 通常，最好选择线程数，使每个块的最大线程数（基于硬件）是线程数的倍数。例如，如果最大线程数为768，则每个块使用256个线程往往比使用512个线程要好，因为一个块上可以同时运行多个线程
- 考虑一下你的线程是否会共享内存，如果是，你希望共享多少内存
mN/（块大小*最大网格大小）