性能首先是数据移动问题 GPU 的峰值算力增长通常快于片外内存带宽增长。许多 kernel 并非算不动，而是算术单元在等数据。优化的核心不是“shared memory 一定快”，而是： 减少需要跨越慢层级的数据量，让每次搬来的数据产生更…
有点笨有点猪