C++ CUDA，使用共享内存能提高我的性能吗？

我正在使用CUDA实现将图像转换为灰度的算法。我现在已经开始工作了，但我正在寻找提高性能的方法。 现在，整个彩色图像被传输到设备内存，然后每个线程通过查找相应的三个（r、g、b）颜色值来计算灰度像素值

我已经确保了对全局内存的访问是合并的，尽管这并没有真正提高我的性能（合并内存访问后36 mb映像的拍摄时间减少了0.003秒…）。现在，我想知道使用共享内存是否可以提高我的性能。以下是我现在拥有的：

我的CUDA内核：

__global__ void darkenImage(const unsigned char * inputImage,
    unsigned char * outputImage, const int width, const int height, int iteration){

  int x = ((blockIdx.x * blockDim.x) + (threadIdx.x + (iteration * MAX_BLOCKS * nrThreads))) * 3;

  if(x+2 < (3 * width*height)){
    float grayPix = 0.0f;
    float r = static_cast< float >(inputImage[x]);
    float g = static_cast< float >(inputImage[x+1]);
    float b = static_cast< float >(inputImage[x+2]);

    grayPix = __fadd_rn(__fadd_rn(__fmul_rn(0.3f, r),__fmul_rn(0.59f, g)), __fmul_rn(0.11f, b));
    grayPix = fma(grayPix,0.6f,0.5f);


    outputImage[(x/3)] = static_cast< unsigned char >(grayPix);
  }
}

\uuuu全局\uuuuu无效暗图像（const unsigned char*inputImage，
无符号字符*输出图像，常量整数宽度，常量整数高度，整数迭代）{
intx=（（blockIdx.x*blockDim.x）+（threadIdx.x+（迭代*MAX_BLOCKS*nrThreads））*3；
如果（x+2<（3*宽*高））{
浮动灰度pix=0.0f；
浮动r=静态_转换（输入图像[x]）；
float g=静态施法（输入图像[x+1]）；
浮点b=静态_转换（输入图像[x+2]）；
grayPix=uuuFadd_rn（uuFadd_rn（uufMul_rn（0.3f，r），uufMul_rn（0.59f，g）），uuufMul_rn（0.11f，b））；
grayPix=fma（grayPix，0.6f，0.5f）；
outputImage[（x/3）]=静态_cast（grayPix）；
}
}

我的问题是，因为任何两个线程之间都没有共享内存，所以现在使用共享内存应该不会有什么帮助，对吗？还是我误解了

问候,

---

Linus

如果不多次使用相同的值，则使用共享内存（缓存）不会提高性能。但是您可以尝试删除

迭代

参数，并用每个块处理更多数据。尝试在内核中进行单个内核启动和循环，以便每个线程可以计算多个输出数据。

不，您是正确的，共享内存不会有任何帮助，因为您不会多次访问数据。

迭代值很少使用，仅用于超过特定（非常大）大小的图像，当无法分配足够的块来覆盖所有像素时，所以我不太担心这一点。