CUDA笔记（一）线程与数据量的关系
或出于选择，为了要创建具有超高性能的执行配置，或出于需要，一个网格中的线程数量可能会小于数据集的大小。请思考一下包含 1000 个元素的数组和包含 250 个线程的网格（此处使用极小的规模以便于说明）。此网格中的每个线程将需使用 4 次。如要实现此操作，一种常用方法便是在核函数中使用 跨网格循环 。
在跨网格循环中，每个线程将在网格内使用 threadIdx + blockIdx*blockDim 计算自身唯一的索引，并对数组内该索引的元素执行相应运算，然后将网格中的线程数添加到索引并重复此操作，直至超出数组范围。例如，对于包含 500 个元素的数组和包含 250 个线程的网格，网格中索引为 20 的线程将执行如下操作：
CUDA 提供一个可给出网格中线程块数的特殊变量： gridDim.x 。然后计算网格中的总线程数，即网格中的线程块数乘以每个线程块中的线程数： gridDim.x * blockDim.x 。带着这样的想法来看看以下核函数中网格跨度循环的详细示例：
不同线程时间对比
n 2<<24
threadsPerBlock numberOfBlocks nanoseconds
256 1 136793984
256 16 117175743
256 32 117047986
128 1 148998083
128 16 148271881
128 32 126887351
