学步园

第一，thread 和block数量的受到gpu本身hard limit的限制

第二，取决于目前shared memory and rigisters大小的限制，不能发布太多，否则系统会自动调用local memory，这样存取速度会下降，影响性能

第三，取决具体的应用，比如：你的矩阵有1000* 1000，如果你设计的kenel 每个线程处理一行的话，你发布1000现在就够了，或者其他的方法来确定。