CUDA~Shared memory

最近遇到了一个问题，拷贝数据的时候经过shared memory的带宽会快于没有经过shared memory，使用shared memory的具体代码如下， 拷贝的数据大小是4096 * 4096个double数据（128MiB），blocksize是（1024，1，1），gridsize是（4096*4096/1024/2，1，1）。

// blocksize=(1024，1，1), gridsize=(4096*4096/1024/2，1，1)
__global__ void copySheme(double * MatA,double* MatB)
{
  __shared__ double tile[1024*2];
  size_t idx=threadIdx.x+blockDim.x * blockIdx.x * 2;

  tile[threadIdx.x]=MatA[idx];
  tile[threadIdx.x+blockDim.x]=MatA[idx+blockDim.x];

  MatB[idx]=tile[threadIdx.x];
  MatB[idx+blockDim.x]=tile[threadIdx.x+blockDim.x];
}

没有使用shared memory的代码如下，此时，blocksize和gridsize不变。

// blocksize=(1024，1，1), gridsize=(4096*4096/1024/2，1，1)
__global__ void copyRow(double * in,double * out)
{
  size_t idx