共享内存的访问延迟在计算能力2.x的卡上大约是多少？
楼主您好，NV没有公布这个数字，我也没有测试过。
未知来源的数据表示延迟在18-20个周期。
以及，需要告知您的是：这个延迟一点也不重要，它可以轻松被本warp里的后续指令/其他warp里的指令给掩盖。请不要过分注重太多的小地方，而放任大的方面不去思考。
我曾经写过一个程序，本来没有采用共享内存，直接从显存里读数据，后来用上了共享内存，并且我确定没有bank conflict，结果还不如不用的快。
因为只改了数据的输入，算法什么的都没动，所以我怀疑在显存访问能够合并的情况下，共享内存的访问带宽是比不上显存的
楼主混淆了“延迟”和“带宽（或者说吞吐率）”的概念。
（1）您询问的1楼问题和您的3#的结论是无关的。
（2）您三楼的结论本身就是错误的（共享内存的访问带宽是比不上显存的）
请仔细阅读手册，不要误导您自己，也不要误导论坛的其他人。谢谢！
我的一开始并不确定共享内存的延迟到底大不大，如果按照版主的说法延迟不大的话，那么只有一种可能了，就是共享内存的访问带宽是比不上显存的。
ps：我对没有给出1楼问题和3#的结论之间的逻辑关系深感抱歉
“我的一开始并不确定共享内存的延迟到底大不大，如果按照版主的说法延迟不大的话，那么只有一种可能了，就是共享内存的访问带宽是比不上显存的。”
—您这里还假设了您的写作水平可以让硬件100%发挥出效力，否则您无法得出这个结论。
–实际上，您的结论不正确。请多多看手册。您最近的一些问题已经严重影响论坛的声誉了。
就算硬件没有100%发挥出效力，但是因为只改了数据的输入，算法什么的都没动啊
我来大致总结一下：
1：您顶楼的问题 ：shared memory的访问延迟在2.X的卡上是多少。
这个问题2#已经有解答，根据某第三方测试的结果是18-20周期，供您参考。
实际上，这个延迟也不比寄存器慢太多，因而该延迟是很容易被掩盖的，所以一般都不讨论这个延迟，而主要考虑一些高延迟的操作，如global 访问。
2：您在3#提出您的某程序在使用了shared memory的时候，会比不使用更慢，因此您断定是shared memory的带宽不如global memory高。
以及您在5#里面补充说明了您的逻辑关系，您认为您的代码速度变慢只有两个潜在原因，一个是shared memory的延迟，一个是shared memory的带宽，既然前者不成为问题，那一定是后者比global慢。
横扫斑竹在4#给出了答复，表示您顶楼和3#的结论是无关的，以及实际上shared memory更快，带宽更大。
首先指出一个事实是，shared memory的延迟要比global memory的延迟短得多，同时带宽大得多。这个是硬件结构决定的，请勿怀疑这一点。
其次，您观察到您的代码的情况和您的代码写法有关。因此您应该怀疑您的代码书写的不合适，比如在无需使用shared memory的地方使用了shared memory，或者其他原因造成了限制，而不是怀疑作为片上高速缓存的shared memory比global memory慢。
第三，您还需要理解延迟和带宽的是两个不同的参量。在CUDA程序运行中，某指令的延迟越短，越容易被掩盖，在一个延迟完全被掩盖的情况下，实际速度只和带宽/吞吐量有关，而和延迟无关。
3：横扫斑竹在6#指出，您需要让硬件100%发挥出效力才能得出您的结论，实际上是指出您的代码的写法可能有问题，因为您推断出了不符合客观情况的结论。
而您在7#的回答并无对此做出解答，亦无分析您的代码实际情况。因而是不具说服力的。
综上，您的问题只有分析您的代码的实际情况才能得出问题所在，哪里有效率下降的地方，而不是怀疑您的机器，您GPU里面的shared memory是不会凭空变慢的。
大致如此。
对“第三，您还需要理解延迟和带宽的是两个不同的参量。在CUDA程序运行中，某指令的延迟越短，越容易被掩盖，在一个延迟完全被掩盖的情况下，实际速度只和带宽/吞吐量有关，而和延迟无关。”完全赞同
感谢您的支持和认同~