cuda - カーネルが短すぎるとパフォーマンスが低下しますか?

Question

マトリックスで要素ごとの操作を行っている場合M、たとえばM[i, j] *= (1 - M[i, j])、要素ごとにスレッドを起動しても問題あり(i, j)ませんか? 私は、スレッドを起動するオーバーヘッドが達成された並列処理をどの時点で上回っているかを懸念しています。