根据书上说和我的经验,要将CUDA计算发挥到最大，就必须尽量多的使用sharedmemory
有这么一个问题，比如你要将一个矩阵中的各行（共n行）两两间进行处理（科学计算中经常遇到的问题）
如果一个sharedmemory里面只存两行，那么就需要n/2个block，进行n-1次计算
但可能一个sharedmemory里面可以放更多的，比如7行，那么就只需要n/7个block，进行(n-1)/6次计算
这是什么概念呢？两个划分block的方式计算量相同，但是第二种方式的存储器访问可以节省84%,在我的应用中，两种方式性能差距达到了一倍！
这就涉及到一个排列组合问题，千年数学难题：女生散步问题。
15个女生，每天晚上3个一组出去散步，如何分组，使得经过一定次数后，恰好使得每个女生与其他女生散步且只散布一次？
在CUDA的官方例程特征值分解中，在最后的性能提高改进方法中也提到了分组问题，但是没有给出解决方法。
这个问题的计算量是非常大的，事实上，要得出512行的7个一组分组方式如果使用递归回溯方法可能需要几个月。如果可以得到这样一张组合表，无疑对解决CUDA架构下的shared memory利用率问题产生巨大帮助。我的思路是使用神经网络方法或者放宽约束条件，允许数据在一轮组合内被使用数次。
不知诸位在使用shared memory时还有什么好的想法