有一个大小为ROWCOL（30003000）的数组，声明为一维数组A(ROWCOL)，里面填充随机的int。
现在需要处理里面每一个数据，最后生成的结果也为一个一维数组R(ROWCOL)。
处理过程大致是，对于每一个数据A(row,col)，它需要和其所在行前面的数据(row,col-N)做对比，
若取数据(row,col-N)为0时，则跳过这个0，继续往下取非0的数据做对比。
若这个数据比前面的20个数据都大（即最大值），则在对应的结果集数组R(row,col)的位置写入1，否则写入0。
处理过程的c++伪代码大致如下：
for(int r=0;r<ROW;r++)
{
for(int c=0;c<COL;c++)
{
//取出r*COL+c的值A1
for(int count=1;count<=20;count++)
{
//取出非0的r*COL+c-count的值A2
//对比，若A1在这20次对比中都是最大的，则在结果集写入1；否则写入0。
}
}
}
在我的源码里已经用了共享内存，划分为每一个Block计算一个ROW，但是由于Row里的数据基本上是随机读取的，所以不知道会不会产生Bank冲突。
这个程序运行在一个I7 2600 CPU上，用时20ms。我的GPU是Geforce GTX 570，用时5ms。
所以我觉得还能再次提高速度。
另外我测试发现，计算过程只用了0.04毫秒，而结果集数据传回Host用了4.9毫秒。请问这个传输过程，如何提高速度？