切割性能我读这篇文章：为什么一个“的if-else”语句（在GPU的代码）将在半
FPGA or GPU? - The evolution continues
而且有人发表了评论，他写道：
由于GPU是SIMD任何代码用“的if-else”语句将削减一半的 性能。一半核心将执行 语句的if部分，而一半核心处于空闲状态，然后另一半核心将执行其他计算，而核心的前一半 保持空闲状态。
我不明白为什么？
为什么使用GPU（即OpenCL）使用if-else时性能会下降一半？
分行一般不会影响业绩，但分行分歧呢。也就是说，两条线程采用不同的路径（例如一个满足if条件，另一个不满足）。由于GPU的所有线程都执行相同的“代码行”，因此某些线程必须等待，而不是其路径一部分的代码才会执行。
嗯，这是不是只在一个经编（NVIDIA）或波阵面（AMD）执行相同的“行代码”的所有线程真的。 （目前，NVIDIA GPU的扭曲大小为32，AMD GPU的海平面大小为64.）
因此，如果在内核中存在if-else块，则最坏情况的性能确实会下降50％。甚至更糟糕：如果有可能的分支，则性能可以降低到没有分歧的性能的1/n（即没有分支或者经线/波阵面中的所有线程都采用相同的路径）。当然，对于这种情况，您的整个内核必须嵌入在if-else（或switch）构造中。
但是，如上所述，只有在采用不同路径的线程处于相同的warp/wafefront中时才会发生这种情况。因此，编写代码/重新排列数据/选择算法/ ...可以尽可能避免分支分歧。
T1; DR：可以有分支，但是如果不同的线程采用不同的分支，它们必须位于不同的弯曲/水平面以避免发散并因此导致性能损失。
大多数时候，人们一读到分歧就会害怕GPU上的分支。但是，大多数时候内核在最高性能上运行得并不快，但由于内存带宽，共享内存或缺少可用的warp而限制了吞吐量。那么分歧对绩效影响很小。 –
@JanLucas：你是对的，几乎从未达到最佳表现，但分支分歧更糟糕。当然，对于可以在峰值性能附近运行的内核来说，性能的平分会导致更大的性能损失，但只能是绝对数量，而不是相对数量。我认为更好的理由不用担心分歧太多，通常情况下内核通常只在内核的一小部分内分裂成分支（例如，只有10％受分支影响，因此性能下降非常低） 。 – Shadow
@JanLucas：但它从来都不是坏的去想分歧，因为它往往齐头并进一个坏的数据布局，这导致未聚内存访问以及为此宝贵的内存带宽的浪费。 – Shadow
GPU的设计本质上不利于枝术，你应该考虑调整你的代码的这一特点。 – tibetty