在GPU的存储器资源中，共享存储器是比较快的，但是其大小有限，而且由于某些原因，有时会产生可扩展性问题，比如在数据量为多少时，共享存储器够用，而数据量大了就不够了。在这类问题中，大家是怎么解决的呢？
我觉得，一般情况下，应该使用这种模式1：
1、在block大小固定的情况下，使用共享内存的多少和数据量大小没有关系（和一个block内的线程数成比例)，数据量大小只和block数目有关系，而每个block使用的共享内存是固定的。
2、如果每个block使用的共享内存和数据量大小有关系，可以采用分步读取全局存储器数据放入共享内存，而每次放入共享内存的数据是固定的，只不过是分多次载入而已。
其实由于共享内存大小的限制，每次使用共享内存的大小超过4096bytes的时候，一个SM可以发射的block数目就会减少，共享内存就会成为占用率下降的一个主要因素。
[ 本帖最后由 siheng303 于 2010-7-2 18:05 编辑 ]
呵呵！大多数时候，共享存储器的使用没有什么问题，但是有些时候数据是天然相关的，block内线程多少也受制于此，这种情况在科学计算中是很常见的。比如在某些计算中，要将计算区域划分为网格，而网格大小是由问题决定的，这就导致了每个网格使用的共享存储器不是由人决定的，另外这种情况下分步导入也不能用。
[
这种情况你可以在CPU做判断，如果网格大小在一定的尺寸下，就把数据放入共享存储器，如果网格大小超过了一定的尺寸，最好能用分步把数据放入共享存储器（或者改变算法），如果不能分步，那就只能用放弃共享存储器了，那要看你是做应用还是做研究，如果做研究的话你只要研究在一定尺寸下能加速多少倍就可以了（追求的是性能加速比），如果做应用那就要考虑的更加全面。
是啊！感觉cuda的那些东西做应用太麻烦了，要考虑的问题太多。还得准备一个串行的，万一别人没卡，呵呵！
[ 本帖最后由 cyrosly 于 2010-9-19 20:17 编辑 ]