GPU for loops：避免扭曲发散和隐式同步线程

我的情况是：经纱中的每个线程都有自己完全独立的&不同的数据阵列。所有线程都在其数据数组上循环。每个线程的循环迭代次数不同。（我知道这会产生成本）。

在for循环中，每个线程需要在计算三个浮点值后保存最大值。在for循环之后，warp中的线程将通过检查warp中仅由其"相邻线程"计算的最大值（由奇偶校验确定）来"通信"。

问题：

1. 如果我通过乘法来避免"max"运算中的条件句，这将避免扭曲发散，对吧？（请参阅下面的示例代码）
2. （1.）中提到的额外乘法运算是值得的，对吧？-即比任何种类的翘曲发散都快得多
3. 导致warp发散的相同机制（所有线程的一组指令）可以被用作for循环末尾的隐式"线程屏障"（用于warp）（与非gpu计算中的"#pragma omp-for"语句的方式大致相同）。因此，在一个线程检查另一个线程保存的值之前，我不需要在for循环之后对warp进行"syncthreads"调用，对吧？（这是因为"synthreads"只适用于"整个GPU"，即inter-warp和inter-MP，对吧？）

示例代码：

__shared__ int N_per_data;  // loaded from host
__shared__ float ** data;  //loaded from host
data = new float*[num_threads_in_warp];
for (int j = 0; j < num_threads_in_warp; ++j)
     data[j] = new float[N_per_data[j]];
// the values of jagged matrix "data" are loaded from host.

__shared__  float **max_data = new float*[num_threads_in_warp];
for (int j = 0; j < num_threads_in_warp; ++j)
     max_data[j] = new float[N_per_data[j]];
for (uint j = 0; j <  N_per_data[threadIdx.x]; ++j)
{
   const float a = f(data[threadIdx.x][j]);
   const float b = g(data[threadIdx.x][j]);
   const float c = h(data[threadIdx.x][j]);
  const int cond_a = (a > b)  &&  (a > c);
  const int cond_b = (b > a)  && (b > c);
  const int cond_c = (c > a)  && (c > b);
  // avoid if-statements.  question (1) and (2)
  max_data[threadIdx.x][j] =   conda_a * a  +  cond_b * b  +  cond_c * c; 
}

 // Question (3):
// No "syncthreads"  necessary in next line:
// access data of your mate at some magic positions (assume it exists):
float my_neighbors_max_at_7 = max_data[threadIdx.x + pow(-1,(threadIdx.x % 2) == 1) ][7]; 

在GPU上实现我的算法之前，我正在研究算法的各个方面，以确保它值得实现。所以请耐心等待。