Самият модел няма как, трябва да се изпълнява два пъти, ако не - наистина ще стане като CPU. Но латентността при превключване на wavefront-овете може да се подобри.

Ммм от друга страна, на 4670 съм установил, че когато мога да избирам между бавен достъп до __global памет (lookup таблици в случая) и между branch-ване, второто работи по-бързо, колкото и да е странно. По-новите карти имат доста по-бърз достъп до паметта и сигурно е различно, но да - ако искат нещата да стават по същият начин, branch-ването винаги ще е лайняна работа.

EOF