我最近读了这篇CUDA教程：https://developer.nvidia.com/blog/even-easier-introduction-cuda/有一件事是不清楚的。当我们对两个向量求和时，我们将任务划分为几个块和线程，以便并行执行。我的问题是，为什么块(也许还有线程(的数量不取决于GPU的物理特性，物理SMPs和线程的数量？
例如，假设GPU有16个SMPs，每个SMPs都可以运行128个线程，那么用128个线程将问题拆分为16个块会更快吗？还是像文章中那样，用256个线程将4000个块拆分会更快？
这并不取决于，因为线程的数量主要取决于您的问题大小，块的大小取决于GPU架构。例如，如果你的GPU有3000个内核，并且最多可以有512个块，并且你的代码将处理一个大小为20亿的矩阵，那么你必须指定"；块的数量X每个块的线程数量(不大于512("；则CUDA将智能地将你的线程块划分到你的GPU的3000个CUDA内核中；numBLocks X numThreadsPerBlock"；已被GPU调用。