【摘要】本文针对CUDA设备端跨线程块同步需求，在计算能力低于9.0（如RTX 4090 8.9、V100 7.0）无法使用集群同步的情况下，通过分析协作组grid.sync()源码，揭示了其基于屏障变量原子自增与符号位翻转的软件实现机制。借鉴该原理，设计并实现了一种自定义的跨块同步函数sync_ctas，... 阅读全文