为什么用位操作替换if-else在CUDA中速度较慢？

我代替

if((nMark >> tempOffset) & 1){nDuplicate++;}
else{nMark = (nMark | (1 << tempOffset));}

if（（nMark>>tempOffset）&1）{nDuplicate++；}
else{nMark=（nMark |（1>tempOffset）&1）；
nMark=（nMark |（1在黑暗中拍摄，但在后一个实现中，您现在总是递增/重新赋值给NDUCLIPLATE变量，因为如果if语句中的测试之前为false，您没有递增/赋值给它。猜测开销来自于此，但您没有描述您的测试数据集，因此我不知道是否已经存在情况是这样的。
您的程序是否表现出显著的分支分歧？如果您正在运行例如100个扭曲，只有5个有分歧行为，并且它们在5个SMs中运行，您将只看到21个时间周期（预期为20个）…5%的增长很容易通过在每个线程中做2倍的工作来避免罕见的分歧而被击败

除此之外，520是一款相当现代的图形卡，可能会结合现代SIMT调度技术，例如动态扭曲形成和线程块压缩，以隐藏SIMT暂停。可能会研究体系结构特征（规格）或编写一个简单的基准来生成n向分支发散并测量减速

除此之外，请检查变量所在的位置。共享变量是否会影响性能/结果？因为您总是在第二个和第一个变量中访问所有变量可以避免访问nDimension，因此缓慢（非平衡全局？）的内存访问可以解释这一点

只需要考虑一些事情。
对于低级优化，直接查看内核的低级程序集（SASS）通常很有帮助。您可以使用作为CUDA工具包的一部分分发的
cuobjdump
工具执行此操作。基本用法是在nvcc中使用
-keep
进行编译，然后执行以下操作：

cuobjdump -sass mykernel.cubin

然后你可以看到指令的精确序列并比较它们。我不确定为什么版本1会比版本2快，但SASS清单可能会给你一个线索。
GPU的本机指令集通过谓词非常有效地处理小条件。此外，ISET指令转换条件将代码注册为值为0或1的整数，这自然符合条件增量

我的猜测是，第一个和第二个公式之间的关键区别在于，您实际上隐藏了一个事实，即它是if/else

确切地说，您可以使用cuobjdump查看为这两种情况生成的微码：specify--keep To nvcc并在.cubin文件上使用cuobjdump查看反汇编的微码。
您确定这些事情的计时方式足够精确，以至于5毫秒的差异在统计上是显著的吗？它应该是精确的。我有e运行内核几次。结果相差大约5毫秒。这里的问题是位操作比其他操作慢。我很困惑。可能那些移位操作会消耗更多的时间。你知道吗？那么我会责怪在第二个版本中，你总是对
nDupl执行
+=
操作在第一个版本中，
add
和
store
操作并不总是触发，可能只是稍微快一点。谢谢你的评论，aroth。谢谢你Drew。我只是运行了两个内核函数几次，其中包含数百个线程。然后我发现位操作比其他操作慢。在SIMT架构，我曾考虑过删除if-else。但我被证明是错的……啊，很好的发现。希望这能为将来尝试相同微优化的人回答这个问题。；）
cuobjdump -sass mykernel.cubin