内核中的cuda慢动态分配（new-delete）

Question

我通过Udacity在线课程学习CUDA。在其中一个任务中，我注意到在内核中动态分配本地指针会大大减慢我的程序速度。

<extension
     point="org.eclipse.ui.menus">
  <menuContribution
        allPopups="false"
        locationURI="popup:org.eclipse.ui.popup.any?after=group.edit">
     <command
           commandId="org.eclipse.ui.edit.copy"
           icon="copy.gif"
           id="copyResource"
           label="Copy"
           style="push">
        <visibleWhen
              checkEnabled="true">
           <iterate
                 ifEmpty="false"
                 operator="or">
              <or>
                 <instanceof
                       value="MyNavigatorClass">
                 </instanceof>
              </or>
           </iterate>
        </visibleWhen>
     </command>
  </menuContribution>

如果我取消注释上述代码段中涉及本地指针__global__ void yourHisto(const unsigned int* const vals, unsigned int* const d_histo, int numVals, const int numBins, const int valsPerT, int blocks) { extern __shared__ unsigned int s_bin[]; int bId = blockIdx.x; int tId = threadIdx.x; int id = bId*blockDim.x + tId; int sBinPerT = (numBins - 1) / blockDim.x + 1; for (int i = 0; i < sBinPerT; i++) { if (i*blockDim.x + tId < numBins) s_bin[i*blockDim.x + tId]=0; } //unsigned int* lclVal = new unsigned int[valsPerT]; for (int i = 0; i<valsPerT; i++) { if (i*blocks*blockDim.x + id < numVals) { //lclVal[i] = vals[i*blocks*blockDim.x + id]; atomicAdd(&s_bin[vals[i*blocks*blockDim.x + id]], 1); } } __syncthreads(); for (int i = 0; i < sBinPerT; i++) { if (i*blockDim.x + tId < numBins) atomicAdd(&d_histo[i*blockDim.x + tId], s_bin[i*blockDim.x + tId]); } //delete lclVal; lclVal = NULL; } 的部分，然后将lclVal替换为atomicAdd(&s_bin[vals[i*blocks*blockDim.x + id]], 1)，则代码实际上会减慢约300倍（~1.2ms VS 〜370ms）。知道为什么会这样吗？非常感谢。