当我在不同平台上分析两个相同的核函数时（笔记本电脑上的 gtx 1660ti 和实验室服务器上的 rtx 2080 ti，它们都有相同的计算能力Compute Capabiity），我得到了不同的结果。 假设它们是核函数 1 和核函数 2，它们所执行的内容一致（只是算法不同）并以 1 个线程块，其中有 1024 个线程，启动。 我在核函数1中设计，使它应该使用更多的寄存器并且运行时间更短（因为减少了使用全局内存和共享内存的次数）。 我的笔记本电脑上的 gtx 1660ti 得到的结果也和预期相似。 核函数 2 使用 37 个寄存器，持续时间为 488微秒，而核函数 1 使用 41 个寄存器（+10.8%），持续时间为 459微秒（-5.9%）。
但是当我在实验室服务器上分析我的程序时。 核函数 2 使用 41 个寄存器，持续时间为 22.94微秒。 但是内核函数 1 只使用了 37 个寄存器（甚至少了1 个）和 26.59毫秒（+15.9%）的持续时间，但我无法理解为什么核 函数2 在 2080ti 上运行时寄存器数量会增加。 然后更多的寄存器导致更好并行性并节省了时间？
另一个问题是，当我运行类似的程序时（将两个核函数稍微修改一下，设计核函数1中使用更多寄存器，核函数2保持不变）。 这次我用 1 个线程块，其中 512 个线程，启动了两个核函数。 正如我之前估计的，核函数 1 可以使用比核函数 2 更多的寄存器，并且持续时间也更少。 这个分析结果（持续时间和使用的寄存器数量的比较）符合我的估计。 但我还发现，对于相同的内核函数，例如，内核函数1在gtx 1660 ti上运行时使用43个寄存器，但在rtx 2080 ti上运行时使用60个寄存器。 是什么原因导致使用的寄存器数量突然增加很多？这是GPU自我优化的结果吗？比如在更加新的GPU上，会尽量优化，使用更多可用的寄存器。