内存瓶颈分析
数据一致性
条件
MATLAB是列为主的，但该算法可以实现一个优化的行为主的实现。在生成的代码中，如果变化最快的维度不是最里面的循环，那么内存就没有合并。通常，换位输入矩阵可以简单地解决这个问题。
行动
试着调换数据。
小的数据大小
条件
如果你的问题/数据大小太小，那么将数据移动到GPU的开销(即使只是在I/O边界)会抵消在GPU上运行的任何性能收益。
行动
在更大的数据大小上尝试该算法。
太多cudaMemcpys
条件
如果你只使用coder.gpu.kernel，那么循环之外的一切都将进入CPU。为了将大部分代码保留在GPU上，建议同时使用这两种语法。此外，出现不支持的函数或任何不能在GPU上运行的函数/语句，会导致更多的问题cudaMemcpys生成。
行动
常数输入
建议
如果入口点函数的某些输入是常量，则使用coder.const对象。使用coder.const对象表示这些变量在代码生成期间是恒定的。如果没有这个功能，GPU Coder™将这些输入视为变量，因此将所有由这些变量大小的矩阵视为变维矩阵。GPU Coder不能从变维矩阵中创建好的内核，因为目前还不支持内核的动态大小或动态大小cudaMemcpy函数调用。
栈内存使用
建议
在内核中使用大型堆栈内存会降低生成代码的性能。在这种情况下，可以考虑以一种不同的方式重写算法，或者将其分解为更小的计算，以减少堆栈内存的使用并提高性能。
相关的话题
您也可以从以下列表中选择网站: