CUDA：一个块或一个块的更多尺寸？

Question

我需要使用CUDA对矩阵的每个元素（基本上是内存中浮点值的向量）进行平方化。

矩阵尺寸不是'先验'，可能会有所不同[2-20.000]。

我想知道：我可能会使用（如Jonathan建议的那样）一个块尺寸：

int thread_id = blockDim.x * block_id + threadIdx.x;

并检查thread_id是否低于rows * columns ...这非常简单直接。

但是有没有特别的性能原因为什么我应该使用两个（甚至三个）块网格尺寸来执行这样的计算（请记住我有一个矩阵）而不是一个？

我正在考虑合并问题，比如让所有线程按顺序读取值

Answer 1

尺寸仅为方便起见而存在，内部一切都是线性的，因此无论在哪种方式上效率都没有优势。如上所示，避免计算（人为的）线性索引似乎要快一些，但线程的合并方式没有任何差别。