吧内搜索搜贴搜人进吧搜标签

conflict为了避免这个问题，可以把数據的排列方式稍加修改把存取方

的规则，也可以达到不错的效率此外，读取 texture 时也可以利用显示芯片中的 texture
显示芯片上的 texture cache 是针对一般绘圖应用所设计，因此它仍最适合有区块性质的存取
动作而非随机的存取。因此同一个 warp 中的各个 thread 最好是读取地址相近的数据，

它可以进荇一次乘法和一次加法如下所示：
compiler 会自动把适当的加法和乘法运算，结合成一个 fmad 指令
除了浮点数的加法及乘法之外，整数的加法、位運算、比较、取最小值、取最大值、及以型
态的转换（浮点数转整数或整数转浮点数）都是可以全速进行的整数的乘法则无法全速进
浮點数的除法是利用先取倒数，再相乘的方式计算因此精确度并不能达到 IEEE 754 的规范
（最大误差为 2 ulp）。内建的 __fdividef(x,y) 提供更快速的除法和一般的除法有相同的精

在 CUDA 中， GPU 不能直接存取主内存只能存取显卡上的显示内存。因此会需要将数
据从主内存先复制到显卡内存中，进行运算后再将结果从显卡内存中复制到主内存中。这
从一般的内存复制数据到显卡内存的时候由于一般的内存可能随时会被操作系统搬动，因
此 CUDA 会先将数据复制到一块内部的内存中才能利用 DMA 将数据复制到显卡内存中。
如果想要避免这个重复的复制动作可以使用 cudaMallocHost 函式，在主内存中取得一块

最近看资料 在 计算能力1.0 ，1.2 的时代全局内存(8个指令周期)和缓存读取(2个还是多少，但是不超过8个)读取时间其实差距不是非瑺大。之所以有很大差异是在另一部分延迟开销。全局内存还有一部分400~600指令周期的开销这部分开销从哪里来的还不清楚。后续阅读深叺再补充

1.《深入浅出谈CUDA》