为什么一个简单的 CUDA 函数需要这么多本地内存

我在 CUDA 上写了一个简单的函数。它将图像大小调整为双倍比例。对于 1920*1080 的图像，此函数需要 ~20ms 才能完成。我已经尝试了一些不同的方法来优化该功能。而我发现可能是本地内存的关键原因。

我尝试了三种不同的方法来获取图像。

• OpenCV 中的 GPU 模块
• 在OpenCV中与GpuMat的纹理绑定
• 从全局内存中直接获取 GpuMat

他们都不能给我带来一点改善。

然后我使用 nvvp 找出原因。在上述所有三种情况下，本地内存开销均为 ~95%。

所以我转向我的代码来了解 nvcc 如何使用内存。然后我发现一个简单的函数就像这样：

__global__ void performDoubleImage(float* outData, size_t step, const int cols, const int rows)
{
    int x = threadIdx.x + blockIdx.x * blockDim.x;
    if (x >= cols)
        return;
    int y = threadIdx.y + blockIdx.y * blockDim.y;
    if (y >= rows)
        return;
    ((float*)((size_t)outData+y*step))[x] = tex2D(texRef, x/2, y/2);
}

需要 80 字节的堆栈帧(它们在本地内存中(。

还有另一个像这样的函数：

__global__ void performFinalDoubleImage(const PtrStepSz<float> in, PtrStepSz<float> out)
{
    out(out.rows-1, out.cols-1) = out(in.rows-1, in.cols-1);
}

还需要 88 字节的堆栈帧。

问题是，为什么我的函数在这个简单的任务中使用如此多的本地内存和寄存器？为什么OpenCV中的函数可以在不使用本地内存的情况下执行相同的功能(这是nvvp测试的，本地内存负载为零(？

我的代码是在调试模式下编译的。我的卡是GT650(192 SP/SM，2 SM(。