Memory CUDA：纹理内存的访问时间与合并全局内存类似吗？

我的内核线程以合并方式访问线性字符数组。如果我有地图 数组到纹理我看不到任何加速。运行时间为 几乎一样。我正在开发一款具有计算能力2.0和读取功能的特斯拉C2050 缓存全局访问的地方。这是真的吗？也许这就是我的原因 我看不出跑步时间有什么不同

主程序中的数组是

char *dev_database = NULL;
cudaMalloc( (void**) &dev_database, JOBS * FRAGMENTSIZE * sizeof(char) );

我用

cudaBindTexture(NULL, texdatabase, dev_database, JOBS * FRAGMENTSIZE * sizeof(char) );

然后，每个线程读取一个字符

ch=tex1Dfetch（texdatabase，p+id）

where-id 是

threadIdx.x+blockIdx.x*blockDim.x

和

p

是一个偏移量

我只绑定了一次，dev_数据库是一个大数组。事实上我发现了 如果大小太大，绑定将失败。数组的大小有限制吗

---

捆绑？非常感谢。

有几种可能性可以解释为什么您看不到性能上的任何差异，但最有可能的是，这种内存访问不是您的瓶颈。如果这不是您的瓶颈，那么加快速度对性能没有影响

关于缓存：在这种情况下，由于您只读取字节，每个扭曲将读取32个字节，这意味着每组4个扭曲将映射到每个缓存线。因此，假设缓存冲突很少，您将从缓存中获得高达4倍的重用。因此，如果这种内存访问是一个瓶颈，那么可以想象，纹理缓存可能不会比通用缓存给您带来更多好处

您应该首先确定带宽是否受限，以及此数据访问是否是罪魁祸首。一旦你做到了这一点，然后优化你的内存访问。另一个需要考虑的策略是每线程加载4到16个字符（使用一个带有字节填充/解包的CHAR4或It4结构），而不是每个线程一个以增加一次飞行中的内存事务数——这有助于饱和全局存储器总线。p>

---

有一个你可能想看的。它涵盖了分析驱动的优化和正在运行的内存事务的具体概念。

谢谢！你提供的链接非常有用。看起来我代码中的分支发散是瓶颈，现在我正试图删除它们。任何提示都将不胜感激：）您如何确定发散分支是您的瓶颈？顺便说一句，如果你认为答案是正确的，请接受它。我用两种方式计时程序。首先，我对所有全局内存读取进行了注释，并测量了时间。然后，我读取未注释的全局内存，注释指令，包括if-else，并测量时间。第一种方法的时间几乎与总时间相同，而后者要低得多。使用这种方法，我能够精确地找出导致分歧的if语句。只要这些更改不改变访问的数据量或通过代码的路径，这是一种不错的方法。