CUDA里，基本调度单位成为warp，一个warp由32个线程组成，所以一般情况下，建议使用32倍数来作为线程数。当然，并不是一定要32倍数的线程数，比如设置112个线程也是可以的，只不过，前96个线程分别组成3组warp，而后面16个线程实际在第4个warp里，只不过这个warp的后16个线程是用于补齐的，不会被调度执行而已！
32 个线程为单位进行调度,因此 Block 中的 Thread 数目应当 是 32 的倍数
