对于一个双精度数组的完美合并访问4096，每个 8 字节，nvprof在 Nvidia Tesla V100 上报告以下指标：
global_load_requests: 128
gld_transactions: 1024
gld_transactions_per_request: 8.000000
我找不到事务和对全局内存的请求到底是什么的具体定义，因此我无法理解这些指标。因此我的问题：
- 如何定义内存请求？
- 内存事务是如何定义的？
- 是否
gld_transactions_per_request = 8.00000表示对双打的完全合并访问？
为了向自己解释，这是我想出的：
- 请求：warp 级的负载，即从 32 个线程合并的一条 warp 级指令。在这种情况下，
32 threads * 8 bytes = 256 byte负载。 - 这个对吗？ - 事务：
32 byte加载指令。在这种情况下，以这种方式定义的一个事务能够加载32 bytes / 8 bytes = 4双精度数。 - 这个对吗？如果是这样，这是 Cuda 实现的最大负载指令吗？
使用这些定义，我得出的值与以下相同nvprof： 访问 4096 个数组项需要 128 个经线级指令（=requests），每个指令有 32 个线程。使用 32 字节加载（=事务）导致 1024 个事务。