我知道这是可以测试的，但我对理论感兴趣，理论上什么应该更快。
我正试图找出理论上更快的方法，从共享内存中的表中随机查找（因此可能发生库冲突），而不是使用"n"fp乘法的算法。
最好的情况是共享存储器查找没有组冲突，因此需要20-40个时钟周期，最坏的情况是32个组冲突和640-1280个时钟周期。每条指令的乘法运算将是'n'*个循环。这是恰当的推理吗？
fp乘法每次都需要1个周期吗？5个周期？在哪一点上，作为多次乘法运算，使用共享内存查找表有意义吗？
每条指令的乘法运算将是'n'x个循环。这是恰当的推理吗当进行'n'fp乘法运算时，它会让核心忙于这些运算。这可能不仅仅是"mult"指令，它还会是介于两者之间的其他指令，比如"mov"。所以可能总共有n*3条指令。当您从共享内存中获取缓存值时，（20-40）*5（平均最大组冲突..猜测）=~150个时钟，内核可以自由地做其他事情。如果内核是计算绑定的（有限的），那么使用共享内存可能会更有效率。如果内核的共享内存有限，或者使用更多的共享内存会减少飞行中的扭曲，那么重新计算会更快。
fp乘法每次都需要1个周期吗？5个周期当我写这篇文章的时候是6个周期，但那是7年前的事了。现在可能更快（也可能不会）。这只是针对一个特定的核心，而不是整个SM。
在哪一点上，作为倍数，使用共享内存查找表有意义吗真的很难说。这里有很多变量，比如GPU的生成、内核的其他部分在做什么、共享内存的设置时间等等。
在内核中构建随机数的一个问题也是额外的寄存器要求。这可能会导致内核其余部分的速度减慢，因为会有更多的寄存器使用，从而导致占用率降低。
另一种解决方案（同样取决于问题）是使用GPU RNG并用随机数填充全局存储器阵列。然后让您的内核访问这些。这将需要300-500个时钟周期，但不会有任何银行冲突。Pascal（尚未发布）也将出现hbm2，这可能会进一步降低全局内存访问时间。
希望这能有所帮助。希望其他一些专家能参与进来，给你更好的信息。