小编tro*_*ore的帖子

当我们使用CUDA分析器时nvvp,有几个"开销"与指令相关,例如:

• 分支发散开销;
• 共享/全局内存重播开销; 和
• 本地/全局缓存重播开销.

我的问题是:

1. 导致这些开销的原因是什么？
2. 他们是如何计算的？
3. 同样,如何计算全局负载/存储效率？

附件:我发现在CUDA5工具包中打包的"CUDA Profiler用户指南"中计算这些开销的所有公式.

现在我想合并一个远程分支，将它命名origin/branch1为我的本地分支branch1，因为我的合作伙伴在我们上次合并后向远程分支 1推送了一个新提交，并且自他上次提交以来我没有提交过，并希望从中获取更新犯罪。我使用了以下命令：

$ git fetch origin branch1
Compressing...
*branch branch1 ->FETCH_HEAD
$ git merge origin/branch1
Already up-to-date

那不是我想要的。在这样做之前，我的想法是使用 fetch 来获取我的合作伙伴添加的内容并origin/branch1更新远程分支。但是，“已经是最新的”意味着我无法在本地分支 1 中获取更新。然后我检查的SHA1值origin/branch1由

$ git ls-remote origin

发现在我们上次合并后它保留了旧提交的陈旧值。它告诉git fetch origin branch1无法更新origin/branch1。我做了另一个实验，我的伙伴在他身边创建了另一个名为“branch2”的分支，并将 branch2 中的提交推送到远程源。那我还是用

$ git fetch origin branch2
Compressing...
$ git merge origin/branch2
No branch named "origin/branch2"

“压缩”告诉我第一个命令在 origin 中成功下载了 branch2 中的东西，但是，第二个命令告诉我没有名为 origin/branch2 的分支！因此我得出结论，既不能在本地git fetch origin branchname更新origin/branchname，也不能在不存在的情况下创建远程分支。

在我用 替换git fetch origin branch#后git …

在进行CUDA编程时，我们都知道一个线程块会被调度在一个SM上，不会迁移到其他SM上。对于线程块中的一个线程来说，它在整个执行过程中是停留在单个SP上，还是可以将其指令任意调度到不同的SP上？