如果每个warp访问同一地址的共享内存，那么如何加载32字节的数据（ulong4）？它会'广播'吗？访问时间是否与每个线程加载2个字节的'unsigned short int'相同？
现在，如果我需要在每个warp中从共享内存32/64加载相同的字节，我该怎么办呢？
答案 0 :(得分：1)
在计算能力之前的设备上3.0共享内存访问总是32位/ 4字节宽，并且如果warp的所有线程访问相同的地址，则将广播。更广泛的访问将编译为多个指令。
在计算能力3.0上，可以使用cudaDeviceSetSharedMemConfig（）将共享内存访问配置为32位宽或64位宽。所选设置将适用于整个内核。
[因为我最初错过了问题中的“共享”这个小词，我给出了一个完全偏离主题的全局记忆答案。既然那个应该仍然是正确的，我会留在这里：]
取决于：
计算能力1.x设备将浪费50％的传输数据，因为单个线程最多可以加载16个字节，但最小事务大小为32个字节。另外，32字节事务比128字节事务慢得多。
由于最小事务大小，每个线程只读取8个字节的时间相同，并且因为数据路径足够宽，可以为每个事务传输8个或16个字节到每个线程。
读取2×或4×数据将在计算能力1.x上花费2倍或4倍，但如果数据落入相同的高速缓存行，则仅在2.0及更高版本上仅更长时间，因此没有进一步的内存事务是必要的。
因此，在计算能力2.0及更高版本上，您无需担心。在1.x上通过常量缓存或纹理读取数据（如果它是常量），或者在共享内存中重新排序（假设你的内核是内存带宽限制的）。