各位好，本人现在正在利用cuda写一个密码算法，其中涉及到cuda 32bit加法进位的问题。
如果采用
temp = a;
a = a + b;
carry = a < temp;
这种写法，比较操作将会占用大量时间。我自己编写的64bit乘法包括8次乘法，4次比较和两次加法，估算速度是每周期2.8次。 把进位比较的部分改成
temp = a;
a = a + b;
carry = 1;
速度是每周期3.8次，差距巨大。我用的是GTX 680，查看手册发现整形乘法每个周期32次，加法、比较操作160次。只差了4次比较，差距接近33%，有点不科学啊。
我的问题是（1）整数比较真的这么费时间吗？ （2）还有就是cuda中是否有一个进位寄存器，能不能通过直接调用类似于ADC的加法，进行进位加法。谢谢！
看了下汇编代码，这一句比较貌似被汇编成一串比较长的代码，有没有办法直接进行比较呢？
楼主您好，
（1）如果需要使用64位整数加法，请直接#include<stdint.h>后:
int64_t a;
int64_t b;
int64_t c = a + b;
来做加法。此时将自动利用硬件支持的进位加法，而无需你手工判断进位（进位将在低32位做加法的时候，自动判断产生）。
（2）如果您坚持手工进行64位加法，同时需要使用进位标志寄存器，那么您只能使用嵌入式PTX汇编（只有这样才能利用上免费的进位标志和带进位加法指令）。
下文为您演示了如何利用硬件的进位标志寄存器，以及演示如何使用进位加法指令：
int a1,a0;
int b1,b0;
int c1,c0;
asm volatile
(“add.cc.s32 %0, %2, %3;”
“addc.s32 %1, %4, %5;”
:“=r”(c0),“=r”(c1)
:“r”(a0),“r”(b0),“r”(a1),“r”(b1)
);
上文的：
（1）add.cc指令将执行普通加法，并设置标志寄存器中的进位标志。
（2）addc指令将执行带有进位标志参与的加法。
PS: 楼主您实际想进行64-bit整数乘法，请您直接提出。别拐弯抹角。
PS：因为您的标题和内容不符合，您文章的矛盾处是以您的标题为准的。
感谢您莅临CUDAZone China
版主您好，非常感谢！再麻烦您一下，乘加指令是否可能类似的设定寄存器中的进位标志呢?
楼主您好，
可以设置使用标志寄存器的CF位的。
以下代码给出了示意（请注意仅为示意，不保证完全正确）：
uint32_t a1,a0; //64位被乘数
uint32_t b1,b0; //64位乘数
uint32_t c3,c2,c1,c0; //128-bit积
asm volatile
(“mul.lo.u32 %0,%4,%6;”
“mul.hi.u32 %1,%4,%6;” //分2次计算a0 * b0, 64位乘法
“mad.lo.cc.u32 %1,%5,%6,%1;”
“madc.hi.u32 %2,%5,%6,0;” //分２次计算a1 * b0, 并累加上次结果
“mad.lo.cc.u32 %1,%4,%7,%1;”
“madc.hi.cc.u32 %2,%4,%7,%2;”
“addc.u32 %3,0,0;” //分２次计算a0 * b1, 累加结果和进位
“mad.lo.cc.u32 %2,%5,%7,%2;”
“madc.hi.u32 %3,%5,%7,%3;” //a1 * b1, 并累加结果
:“=r”(c0),“=r”(c1),“=r”(c2),“=r”(c3)
:“r”(a0),“r”(a1),“r”(b0),“r”(b1)
);
非常感谢！实在是太有帮助了！