我传递到设备上的数据是double* CudaDat， 是一个24*53 double数组，由于在设备上要频繁的访问 CudaDat 里面的数据，所以我在核函数里面讲所有数据一次考入共享存取器里面（核函数只有一个块，32个线程，我只用到整个块中的前24个线程，每次提取共享存取器里面的一行24个double数据进行处理，我的显卡是GTX650TI,64K的共享存取器），以便我频繁的访问共享存取器，我想请问的是，这里共享存取器里面对双精度的访问是否存在访问冲突的问题呢？？？
LZ您好：
1：您的GPU是kepler核心的，如果您将您的shared memory配置为8B bank模式，将无bank conflict。否则每个bank的宽度是4B，需要两个相邻的bank合作才能得到一个8B宽度的double数据，则每次只能为16个线程服务，您的24个线程需要访问两次才行。
2：以及在您的GPU上，shared memory最大可以配置为每SMX 48KB，而不是您宣称的64KB。
3：以及，您的线程使用量太小，将极大地影响GPU的效率，希望您能明白这一点，并改写您的代码为效率较高的形式。
大致如此，祝您好运~
弱弱的请问一下版主，shared memory配置，是怎么配置的 ，以前没有配置过:L
LZ您好：
请您参阅一下CUDA C Programming Guide，里面有详细的配置方法。
祝您好运~
好的 谢谢！
我倒是感觉，不用说楼主如何配置shared memory了，
他最大问题就是一共才用了32个（24个）线程来运行。
（1）再怎么尝试使用cudaDevice/FuncSetCacheConfig，楼主你也不会提升太多。
（2）但是如果你修改算法，避免只用32个线程，才能有效的几倍，几十倍，几百倍的提升效率。
请楼主三思。
没办法啊，老板硬要我对这个算法优化一下，这么多天下来，也没用多大的改进，我也是很苦恼啊。说到这里，我也想请教一下版主，我要改进的是一个PSO（粒子群优化）算法。有24个点，每个特征点是17维的，每个特征点包含一个17维的速度double数组，一个17维的位置double数组，一个17维的最佳位置double数组，以及一个匹配度以及最佳匹配度。要对这24个特征点循环迭代3000次。我尝试各种方法:比如用一个块，里面32个线程，每个线程处理一个特征点的数据，同时注意数据的访问合并，以及使用共享存储器，常量存储器，注意共享存储器的访问冲突问题。但是优化效果还是一般般。
我觉得这个程序的数据量本来就不大，最主要的迭代次数（3000次），也不能用每个线程单独实现，所有用CUDA编程效果不会很理想，不知道我的做法以及理解方式对不对，求版主指点！！！
LZ您好：
我不懂PSO算法，如果您的算法是某种迭代算法，同时每一步迭代又无法很好地并行化/无法有足够的可并行的计算量，那么您的算法可能不适合GPU实现，请不要“为了GPU而GPU”。
以及，我不懂PSO所以上述建议仅是在对您的描述内容的一般理解意义下作出的。不排除可能有效率很高的PSO并行方法，但这需要您去寻找/实现，我无法给出建议。
祝您好运，早日成功摆平BOSS~
嗯嗯 谢谢版主的回答。
:):3_48:
祝您好运~
请问一下版主 我想系统的学习CUDA相关知识（成为版主一样的大牛)，并一直从事这方面的工作，应该具备哪些相关知识，了解哪些方面的内容，现在学习得很迷茫，求版主指点一下。。。
LZ您好：
斑竹不是大牛的，无法回答您“如何成为大牛”的问题，见谅。
如果要入门的话，官方手册、国外大学CUDA教程（有视频和讲义可看）、常来论坛潜水，算是三条捷径。
祝您好运~
英语不行，国外视频是看不懂了，官方手册勉强看的懂些，看来只有常来灌水了~~~
LZ您好：
视频您可以找找看有没有带字幕翻译的版本。
官方手册有中译本的，您可以和原版对照着看。
祝您好运~
好的 谢谢版主~~
PSO 还是 MPI 比较好 不太适合gpu
赞同恒大的说法，不能为了GPU而GPU
国庆快乐！