CUDA AtomicAdd比不安全访问快

Question

我正在使用CUDA做我的第一步，并尝试实现简单的直方图计算。我只是将数组拆分为多个块和线程，并可以选择让一个线程计算while循环的两次迭代。

这是我的CUDA内核，首先我想了解的是，atomicAdd访问与不安全写入直方图数组相比要慢得多。但是，当我检查nvprof的输出时，输出显示了1073741824个元素（1<<30）和BlockSize的128个数组以及GridSize的8388608的数组，该输出：

13.49%  126.33ms     1  126.33ms  126.33ms  126.33ms  histogram_unsafe(int*, int*)
12.01%  112.49ms     1  112.49ms  112.49ms  112.49ms  histogram_safe(int*, int*)

（通过这种配置，每个线程都会执行一次循环迭代）

但是在我的幻想中，不安全的代码应该更快吗？至少，不安全代码不会产生正确的结果，而安全代码会产生正确的结果。但是我不明白为什么不安全的版本要慢一些？是否有一些我不知道的关于CUDA大气的东西的经验法则？

这是我的内核代码：

__global__ void histogram_[unsafe/save]( int *input, int *hist ) {
    int tid = threadIdx.x + blockIdx.x * blockDim.x;

    while (tid < N) {
        int bin = input[tid] & MASK;

        // Of course I use only one version at a time
        hist[bin]++; // unsafe
        atomicAdd(&hist[bin], 1); // safe

        tid += blockDim.x * gridDim.x;
    }
}