Nvidia GPU上的OpenCL小型恒定内存大小

我有下面的矩阵乘法代码，为简单起见缩写。我计划使用

块大小*块大小的本地内存来保存子矩阵块。在NVIDIA GPU上运行时，我一直在
clEnqueueNDRangeKernel
中获取错误代码
-52
。经过一些研究，我发现NVIDIA gpu上的恒定内存大小非常小

主持人:

cl:：Buffer a_buf{context，cl_MEM_READ_ONLY | cl_MEM_COPY_HOST_PTR，a.bytes（），a.data}；
cl:：Buffer b_buf{context，cl_MEM_READ_ONLY | cl_MEM_COPY_HOST_PTR，a.bytes（），bT.data}；
cl:：Buffer result_buf{context，cl_MEM_READ_WRITE，result.bytes（），nullptr}//用于内存映射
setArg（0，a_buf）；
setArg（1，b_buf）；
setArg（2，local_size*local_size*sizeof（float），nullptr）；
setArg（3，local_size*local_size*sizeof（float），nullptr）；
setArg（4，result_buf）；
EnqueuenRangeKernel（内核，{0,0}，{a.rows，a.rows}，{local_size，local_size}）；
//^offset^全局工作大小^local工作大小

内核：

\uuuuu内核无效矩阵mul（\uuuu常量浮点*a，
__常量浮点*b，//存储原始矩阵数据
__本地浮点数*本地浮点数，
__局部浮点*b_local，//存储工作组的子矩阵块
__全局浮点*结果）
{...}

使用
CL\u DEVICE\u MAX\u CONSTANT\u BUFFER\u SIZE
，我的RX580返回几乎所有可用的VRAM，但我的GTX1650仅返回64KB。当使用
\uuu constant
而不是
\uu global
时，我的RX580确实获得了显著的性能提升我是否做错了什么，或者恰好是这样，我需要准备不同的内核以在AMD和NVIDIA GPU上运行？

编辑：我在github上发现了一个相关问题
所以我改变了
\uu常量浮点*a
->
\uu全局常量浮点*限制a
，它可以工作。
NVIDIA GPU上的常量内存大小确实非常小，只有64KB（我检查了Titan Xp、GTX 960M、RTX 2080 Ti、特斯拉K20c、特斯拉K40m）。在AMD Radeon VII上，14GB的恒定内存大小要大得多。在Intel CPU（i7-8700K，Xeon E5-2680 v2）上，恒定内存大小为128KB。这是一个驱动程序限制，解决方法是使用
global const float*restrict
（和
restrict
用于类型为
float*
）的所有其他内核参数，而不是您已经了解到的
常量float*

如果AMD GPU上的性能有很大的不同，您可以为AMD和NVIDIA GPU使用不同的内核声明。在编译OpenCL代码之前，您可以通过
#ifdef
或在运行时通过
string
串联在它们之间切换；这样，您不必在代码中包含整个内核两次，而只需要包含内核参数声明的行