并发块如何运行单个 GPU 流式多处理器？

我正在研究CUDA编程结构，学习后的感受是：创建块和线程后，每个块都会分配给每个流式多处理器（例如，我使用的是 GForce 560Ti，它有 14 个流式多处理器，因此一次可以将 14 个块分配给所有流式多处理器）。但当我浏览一些在线材料时，例如这个：

http://moss.csc.ncsu.edu/~mueller/cluster/nvidia/GPU+CUDA.pdf

其中提到多个块可以在一个多处理器上同时运行。我基本上对流式多处理器上的线程和块的执行感到非常困惑。我知道块的分配和线程的执行绝对是任意的，但我想知道块和线程的映射实际上是如何发生的，以便可以发生并发执行。

流式多处理器 (SM) 可以使用以下方式一次执行多个块硬件多线程，一个类似于超线程.

The CUDA C 编程指南第 4.2 节对此进行了如下描述：

4.2 硬件多线程

每个 warp 的执行上下文（程序计数器、寄存器等） 由多处理器处理的数据在整个过程中都保持在片上 扭曲的寿命。因此，从一个执行上下文切换 到另一个没有成本，并且在每次指令发出时，都会发生扭曲 调度程序选择一个线程束，该线程束已准备好执行下一个线程 指令（经线的活动线程）并发出 给这些线程的指令。

特别是，每个多处理器都有一组 32 位寄存器， 在 warp 之间进行分区，并行数据缓存或共享 在线程块之间划分的内存。

可以驻留和处理的块和扭曲的数量 给定内核的多处理器上的一起取决于 内核使用的寄存器和共享内存的数量以及 多处理器上可用的寄存器和共享内存的数量。 还有最大居民块数和最大 每个多处理器的常驻扭曲数。这些限制以及 多处理器上可用的寄存器和共享内存的数量 是设备计算能力的函数，并给出 在附录 F 中。如果没有足够的寄存器或共享内存 每个多处理器可用于处理至少一个块，内核 将无法启动。