Parallel processing Cuda网格大小限制似乎低于应有的限制

我有一台GTX780。根据维基百科和直接查询设备的代码输出，它的计算能力为3.5。根据这两个定义，它的块x维度大小限制为2^31-1（2147483647）。然而，以下代码仅在

阻塞<2^16-1

（65535）时成功设置

a[0]=1

。这是维基百科列出的2.x及更高版本的限制

#include <iostream>
#include <string>

#define print(x) cout << #x << " = " << x << endl;
#define arg_read(pos, init) argc>pos? stoi(argv[pos]): init;

using namespace std;

__global__ void f(int* a)
{
  a[0] = 1;
}

int main(int argc, char* argv[])
{
  int blocks = arg_read(1, 1);
  int* a;
  cudaMalloc((void**) &a, sizeof(int)); //allocate a on the device
  int b=100;
  cudaMemcpy(a, &b, sizeof(int), cudaMemcpyHostToDevice); //copy b to a
  f<<<blocks, 1>>>(a); //set a[0] = 1
  cudaMemcpy(&b, a, sizeof(int), cudaMemcpyDeviceToHost); //copy a back to b
  print(b);
}

#包括
#包括
#define print（x）cout基本相同。我需要专门使用
-arch=sm_35
标记进行编译

nvcc -arch=sm_35 sandbox.cu -o sandbox.exe

当所有线程都尝试写入同一位置时，这不是竞争条件和未定义的行为吗？使用适用于GPU的适当架构开关编译，例如
-arch=sm_35
@huseyintugrulbuyukisik不，如果所有线程都写入相同的值，这不是未定义的行为。写入完成后，该位置保证包含写入的值。这与您链接的问题不同。链接问题的块大小太大（对于任何GPU）。一旦块和网格大小被反转，代码将在任何GPU上运行（它不会超过任何限制），这里没有提到使用arch开关编译，如果使用我们的无arch开关编译代码，也没有任何区别。