cuda中线程块共享存储（shared memory）加速较全局存储（global memory）之优势

        （仅供参考，各方面表述可能有错，概不负责）

          首先个人观点说明两个概念，（1）共享存储加速，就是一个线程块内不仅所有线程并发执行，而且各线程还通过共享的内存来实现协作，进一步提升加速效果；（2）全局存储加速，仅仅是前者的前一个加速功能，即所有线程并发执行，线程之间不存在相互协作关系。 

         考虑两个等大小正方矩阵A（m x m）与B（m x m）相乘，结果存储在C（m x m）中。

         1.全局存储

          假如m的大小刚好不超过你的计算机的GPU的线程块维度大小的最大值（本人的GPU是512），那么就可以用一个线程块中的m x m个线程并发执行，每个线程（row，col）计算矩阵C中的一个数据C（row，col）。

          基于以上假设，因为每个线程是各自独立并发运行计算的，所以整个矩阵的计算效率等价于一个线程的计算效率，也就是只需考虑分析一个线程完成它自己计算任务的速度。一个线程的计算过程如下（图示）:

                   C(row,col)=A（row , 0:m-1）x B（0:m-1 , col）'

          其中线程在矩阵A的