cuda是否应将唯一块索引及其计算移动到共享内存？

假设我们有一个内核，它需要一个唯一的块索引，并且应该尽可能地进行缩放，这样它就可以跨3D网格进行缩放

计算看起来相当复杂，只让一个线程执行并存储在共享内存中。这是个好主意吗？
在所有文献中，它总是存储在寄存器中，但共享内存的缺点是什么

我不确定，但共享内存读写访问是否为4个周期，而寄存器为1个周期

而不是：

__global__ kernel()
{
    //get unique 3D block index
    const unsigned long long int blockId = blockIdx.x //1D
        + blockIdx.y * gridDim.x //2D
        + gridDim.x * gridDim.y * blockIdx.z; //3D
}

可能使用：（假设只使用块的x维）

这将为每个线程节省一个寄存器，这在计算能力为1.x时非常昂贵

我没有测试，也不知道这对性能是好是坏。

---

cc 1.x上还有一个可用寄存器是一个参数，但是使用

\uu syncthreads（）

语句时，性能应该会稍慢一些。

如果是共享的人，每次访问blockId时都会有n路银行冲突（n=WarpSize）。[CUDA C编程指南，5.3.2.3]

---

和+共享内存比寄存器慢

在这种情况下，答案是肯定的，但主要是因为生成的代码使用了更少的寄存器，这允许更高的总体占用率和一些速度。这是尽管代码在第一次扭曲中有一些分支分歧，加上一个同步原语

然而，这不应该被认为是一个通用的规则，唯一可以确保的方法是编写代码并在目标GPU上对其进行基准测试

---

此答案是从评论中添加的，作为社区wiki条目，以将此问题从未回答的队列中删除。

为什么不对其进行基准测试，看看它的功能？共享内存比注册文件慢，因此可能会影响性能，但影响程度可能取决于代码和硬件。上几天不得不重新安装计算机，因此没有安装CUDA。也许有人已经有了结果。@djmj你试过这个实验吗？还没有，没有时间，我必须在接下来的3周内做一些CUDA来学习，但我没有最新的卡片来进行合理的测试（只有一张1.1的卡片）。最有趣的测试用例是当需要一个寄存器存储在本地内存中时，我真的认为这样一个简单的计算可以在每个线程中进行。但只有一个实验能证明这一点。广播不会引起银行冲突。

__global__ kernel()
{
    __shared__ unsigned long long int blockId_s;

    if(threadIdx.x == 0)
        blockId_s = blockIdx.x //1D
            + blockIdx.y * gridDim.x //2D
            + gridDim.x * gridDim.y * blockIdx.z; //3D
    __syncthreads();
}