Performance CUDA区块大小1024x1与32x32是否有任何性能差异？

从线程调度和内存带宽的角度来看，这两种块大小（1024x1和32x32）的性能如何？这两种块大小的性能是否存在任何预期差异？请注意，这两个模块都使用1024个线程

线程块维度，特别是当我们讨论每个块的线程数相同时，其本身不会影响性能

---

线程仍在运行。threadblock尺寸的唯一直接影响是更改传递给每个线程的内置变量，例如

threadIdx.x

，

blockIdx.x

，等等，这不是性能问题。

与索引相关联的ALU操作的数量可能会影响性能，但通常只占执行指令总数的一小部分。双向编写代码并区分程序集。这很有意义。谢谢你的洞察力！