有一个问题不太理解，
-
针对GPU的全局内存的一块连续数据，如果希望将其数据移动到全局内存的另一个地址，那么是在host端使用cudaMemcpy效率高、速度快？
还是写一个核函数，在每个线程中负责赋值一小部分这样更快些？ -
cudaMemcpy的机制是什么？它的执行效率怎么样？和利用多个GPU核来执行相比较呢？
-
第一个问题，如果是shared memory呢？是否可以从host memory直接读入到shared memory中。 shared memory中赋值是在核函数中执行快？还是host端执行快？