是啊， 何况这里是3*3、4*4的小矩阵，手动展开，还节省了循环变量的计算和比较，消除了代码的分支指令。
怎么看，都是很正统的优化。


【 在 giant85 的大作中提到: 】
: 还真是， 我们gpu编程也经常需要手动unroll， 节省寄存器提高并行线程数量
--
FROM 223.72.62.*