假设我有一个要在 GPU 上实现的算法。该算法由一个主循环组成，循环的所有迭代都可以并行运行。此外，循环的每次迭代都有一个内部循环，其迭代可以并行运行。假设我需要N主循环的M迭代和内循环的迭代（每次主循环迭代），并且我的 GPU 有L内核。
如果N+N*M <= L，我可以并行运行所有内容。但如果不是这种情况，我需要决定按顺序运行什么。我应该如何做出这个决定？例如，如果N=10, M=5, L = 20, 我应该什么时候选择这些选项（或任何其他选项）？：
- 并行运行所有主迭代，并按顺序运行所有内部循环。
- 依次运行所有主迭代，并并行运行所有内部循环。
- 并行运行所有主要迭代，其中两个并行运行，其余的按顺序运行。
- 并行运行三个主迭代，并行运行它们的每个内部循环，依次运行其余的主迭代及其内部循环。