交叉访问是全局内存中最糟糕的访问模式，因为它浪费总线带宽
使用多个线程块对基于交叉的全局内存访问重新排序到合并访问

<<<numBlocks, blockSize>>> 的两个参数应该怎么设置好呢。首先，CUDA GPU 使用大小为 32 的倍数的线程块运行内核，因此 blockSize 的大小应该设置为32的倍数，例如128、256、512等。确定 blockSize 之后，可以根据for循环的总个数N确定 numBlock 的大小（注意四舍五入的误差）：

这是我项目的路径

F:\E_cuda\3D_PML_share\3d_share2\3d_share2

1. 打开 cmd
2. 输入 cd F:\E_cuda\3D_PML_share\3d_share2\3d_share2
3. 输入 f: 因为我是F盘，你们是E盘就输入 e: 以此类推
4. 输入 nvcc kernel.cu
5. 或者输入nvcc kernel.cu -o test_kernel 可以自己命名test的名字，这里我文件夹下面命名的为test_kernel
   
   

6. 输入 nvprof a


用nvcc+nvprof ，windows10下要把nvcc.exe和nvprof.exe添加到系统环境变量中：
这两个默认路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin

可以根据https://www.cnblogs.com/AIxiaodi/p/13766461.html
将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64下的文件cupti64_2020.1.1.dll 复制到路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin中即可，如下：