Question

如果块中的所有线程绝对需要在代码中的同一点，如果正在启动的线程数等于warp中的线程数，我们是否需要__syncthreads函数？ / p>

注意：没有额外的线程或块，只需要内核的单个warp。

示例代码：

shared _voltatile_ sdata[16];

int index = some_number_between_0_and_15;
sdata[tid] = some_number;
output[tid] = x ^ y ^ z ^ sdata[index];

Answer 1

更新了有关使用易失性

的更多信息

大概你希望所有线程都处于同一点，因为它们正在读取其他线程写入共享内存的数据，如果你正在启动单个warp（在每个块中），那么你知道所有线程都在一起执行。从表面上看，这意味着你可以省略__syncthreads()，这种做法被称为“扭曲同步编程”。但是，有一些事情需要注意。

请记住，编译器会假设它可以优化，提供内部线程语义保持正确，包括将存储延迟到可以将数据保存在寄存器中的内存。 __syncthreads()充当了屏障，因此确保在其他线程读取数据之前将数据写入共享内存。使用volatile会导致编译器执行内存写入而不是保留在寄存器中，但是这有一些风险并且更像是一个hack（意味着我不知道将来会如何影响它）
- 从技术上讲，您应始终使用__syncthreads()来符合CUDA编程模型
经线尺寸一直是32，但您可以：
- 在编译时，在设备代码中使用特殊变量warpSize（在CUDA Programming Guide中记录，在“内置变量”下，4.1版本中的B.4节）
- 在运行时使用cudaDeviceProp结构的warpSize字段（记录在CUDA Reference Manual）

请注意，某些SDK示例（特别是缩小和扫描）使用此扭曲同步技术。

Answer 2

即使并行执行warp，您仍然需要__syncthreads()。硬件中的实际执行可能不是并行的，因为SM（流多处理器）中的核心数量可能小于32.例如，GT200体系结构在每个SM中有8个核心，因此您永远无法确定所有线程都在代码中的相同点。