在CUDA设备中，全局内存中的合并写入与全局内存读取中的合并一样重要吗？如果是，怎么解释？早期的CUDA设备和最近的CUDA设备之间是否存在差异？
答案 0 :(得分：5)
合并写入（或缺少写入）可能会影响性能，就像合并读取（或缺少读取）一样。
当由warp指令触发读取事务时，会发生合并读取，例如：
int i = my_int_data[threadIdx.x+blockDim.x*blockIdx.x];
（实质上是说所有单独的线程读取都来自单个缓存行。）
当由warp指令触发写入事务时发生合并写入，例如：
my_int_data[threadIdx.x+blockDim.x*blockIdx.x] = i;
可以通过内存控制器中的单个 write 事务来满足。
对于我所示的上述例子，世代并没有差异。
但是还有其他类型的读取或写入可以在以后的设备中合并（即折叠到单个内存控制器事务），但在早期设备中则不能。一个例子是“广播阅读”：
int i = my_int_data[0];
在上面的示例中，所有线程都从同一个全局位置读取。在较新的设备中，这种读取将“广播”到单个事务中的所有线程。在某些早期设备中，这将导致线程的序列化服务。这样的示例在写入中可能没有必然结果，因为写入单个位置的多个线程会给出未定义的行为。但是，“scrambled”写入可能会在较新的设备上合并，但不会更旧：
my_int_data[(threadIdx.x+5)%32] = i;
请注意，上面的所有写入都是唯一的（在warp中）并且属于单个缓存行，但它们不满足1.0或1.1设备上的合并要求，但应该在较新的设备上。
如果您阅读global memory access description for devices of cc 1.0 and 1.1，并与以后的设备进行比较，您会看到在以后的设备上放宽的早期设备上的一些合并要求。
答案 1 :(得分：0)
我们在我进行的课程中完成了这个实验。在写入中，合并的结果比在读取时更为重要更多，这可能是因为L1和L2缓存存储了一些未使用的数据供以后使用。