cuda如何在内核中处理uuu syncthreads（）？

假设我有一个1024大小的块，并假设我的gpu有192个cuda内核。 当cuda内核大小低于块大小时，cuda如何处理内核中的_syncthreads（）

__global__ void staticReverse(int *d, int n)
{
  __shared__ int s[1024];
  int t = threadIdx.x;
  int tr = n-t-1;
  s[t] = d[t];
  __syncthreads();
  d[t] = s[tr];
}

---

“tr”在本地内存中的保存情况如何？

我认为您混合了一些内容

首先，拥有192个CUDA内核的GPU是内核总数。但是，每个块都映射到一个流式多处理器（SM），该处理器可能具有较低的内核计数（取决于GPU的生成）

假设您拥有一个Pascal GPU，每个SM有64个内核，您有3个 短讯服务。 单个块映射到单个SM。因此，您将有64个内核同时处理1024个线程。这样的SM有足够的寄存器来保存1024个线程的所有必要数据，但它只有64个内核，可以快速交换正在处理的线程

这样，所有本地数据，例如

tr

都可以保留在内存中

---

现在，由于这种快速交换和并发执行，一些线程可能会超过其他线程，这完全是偶然的。如果要确保在某一点上所有线程都在同一点上，可以使用

\uuu syncthreads（）

。该功能所做的只是指示调度程序正确地将工作分配给CUDA内核，以便它们在某个时刻都在程序中的某个位置。

我认为您在混合一些东西

首先，拥有192个CUDA内核的GPU是内核总数。但是，每个块都映射到一个流式多处理器（SM），该处理器可能具有较低的内核计数（取决于GPU的生成）

假设您拥有一个Pascal GPU，每个SM有64个内核，您有3个 短讯服务。 单个块映射到单个SM。因此，您将有64个内核同时处理1024个线程。这样的SM有足够的寄存器来保存1024个线程的所有必要数据，但它只有64个内核，可以快速交换正在处理的线程

这样，所有本地数据，例如

tr

都可以保留在内存中

现在，由于这种快速交换和并发执行，一些线程可能会超过其他线程，这完全是偶然的。如果要确保在某一点上所有线程都在同一点上，可以使用

\uuu syncthreads（）

。该函数所做的只是指示调度器正确地将工作分配给CUDA内核，以便它们在某个时刻都位于程序中的该位置