我的显卡是GeForce GTX 1080
程序功能是用于人脸比对，申请了一大片GPU的内存（差不多8G），放入1500W个人脸的特征结构体，结构体的大小是544byte
核函数是由20个block, 1024 thread / block启动，就是一个循环从全局内存读取数据，计算，然后放入另一块全局内存（1500W*sizeof int）
循环中有两个if，第一个先判断结构体中的一个字段然后决定是否continue, 第二个是计算相似度
问题是：我修改了核函数外面的代码后，不知道为什么核函数的耗时从60ms变成接近700ms。
想问下这个程序该如何优化，以及这个问题有可能与哪里相关。这个block 和 thread该选多大比较好， 每次我把thread改下，然后blcok改大后，性能都会下降。
接触cuda不久，若是能提供一些参考资料也好，谢谢大家。