LZ您好：
1：按warp对齐的if分支，并不会有很大的影响，而warp内部分支则是需要注意避免的。
2：前面36#的示例是对35#描述情况的补充，35#中说了，需要有足够多组数据用于处理，此时一个block即便处理多组，也还有足够多的blocks供使用。也就是说，有足够多的threads/blocks即可，并不需要非常非常多。一般而言，适度增加一个线程的工作量是有好处的。
请您不要将36#的例子理解为一共只有那么多数据，如果那样只有5组数据的话，开5个blocks一般要比开一个block快一些，因为一个block只能用一个SM，而一般GPU都有多个SM。
至于36#例子是串行的理解，它计算每一组数据的时候是并行的，那么5组数据顺序完成并不影响效率的。以及，如果每次计算比较简单，那么也完全可以把5次计算展开写到一起（或者编译器会自动考虑展开）。
总之，实现方法是不唯一的。
大致如此，祝您编码顺利~