也许有人可以帮助我。我将在我的CUDA内核中使用动态分配，原因很简单，每个块都需要大量的全局内存作为暂存器，并且块的数量大约为4000.静态分配暂存器会有我的偏好，但由于内存大小限制，这根本不可能。我认为在这种情况下动态分配将是有用的，因为内存量现在只是活动块的数量，订购100-200。这一切都作为旁注，让你知道它也没有我的偏好，但在我看来，这是唯一的前进方向。
根据cuda c编程指南B.17部分提到的要点;
CUDA in-kernel malloc（）函数至少从设备堆中分配大小字节，并返回指向已分配内存的指针，如果存在的内存不足以满足请求，则返回NULL。保证返回的指针与16字节边界对齐。
并根据F.4.2;
高速缓存行为128字节，并映射到设备存储器中的128字节对齐段。 在L1和L2中高速缓存的存储器访问由128字节存储器提供服务 事务，而只在L2中缓存的内存访问是由服务的 32字节的内存事务。因此，L2中的缓存可以减少过度获取 例如，在分散的内存访问的情况下。
和5.3.2;
驻留在全局内存中或由其中一个内存返回的变量的任何地址 来自驱动程序或运行时API的分配例程始终与至少256个字节对齐。
这是否意味着内核分配没有正确对齐warp到并行访问合并的连续浮点数和cudaMalloc（）可能的动态分配？