在Nvidia GPU的寄存器中存储大小为64的数组是否合适？ 为了说明这个问题，让我们考虑下面的例子。假设我有两个数组A[16][64]和B[16][N][64]，我想计算ans[I][j][N]=f（A[I]，B[j][N]），其中f是一个函数。我将编写一个cuda内核，在一个块中包含256个线程，每个线程计算一对（I，j）所有ans[I][j][k]s
最经典的方法是首先将在Nvidia GPU的寄存器中存储大小为64的数组是否合适？ 为了说明这个问题，让我们考虑下面的例子。假设我有两个数组A[16][64]和B[16][N][64]，我想计算ans[I][j][N]=f（A[I]，B[j][N]），其中f是一个函数。我将编写一个cuda内核，在一个块中包含256个线程，每个线程计算一对（I，j）所有ans[I][j][k]s,cuda,Cuda,最经典的方法是首先将A加载到共享内存中。然而，我发现由于A将在一个线程中使用N次，在加载到共享内存后，我可以进一步将A[I]加载到寄存器中，以加速计算f（A[I]，B[j][N]）。寄存器比共享内存快是常识 我查阅了文档，发现每个线程最多可以有255个大于64的寄存器，所以可以使用64个寄存器。但我也听到一个叫做寄存器压力的术语，它说使用许多寄存器可能很慢。此外，我发现编译器经常限制寄存器的数量，如果寄存器的数量超过限制，编译器将使用本地内存 基于以上事实，我有很多困惑。例如，在这种情况下，我应
AAA[I]f（A[I]，B[j][N]）