Почему простая функция CUDA требует так много локальной памяти?

Я написал простую функцию на CUDA. Это изменить размер изображения в два раза. Для изображения с разрешением 1920 * 1080 для выполнения этой функции требуется ~ 20 мс. Я попробовал другой способ оптимизировать эту функцию. И я обнаружил, что, возможно, именно локальная память является ключевой причиной.

Я пробовал три разных метода для получения изображения.

• Модуль Gpu в OpenCV
• Привязка текстур к GpuMat в OpenCV
• Прямая выборка GpuMat из глобальной памяти

Ни один из них не может принести мне немного улучшения.

Тогда я использовал nvvp, чтобы выяснить причину. И накладные расходы локальной памяти составляют ~ 95% во всех трех вышеупомянутых условиях.

Поэтому я обращаюсь к своему коду, чтобы узнать, как nvcc использует память. Затем я обнаружил, что простая функция такова:

__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);
}

нужен кадр стека 80 байт (они находятся в локальной памяти).

И еще одна функция, как это:

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

также необходим кадр стека 88 байтов.

Вопрос в том, почему моя функция использует так много локальной памяти и записывается в этой простой задаче? И почему функция в OpenCV может выполнять ту же функцию, не используя локальную память (это тест nvvp, загрузка локальной памяти равна нулю)?

Мой код скомпилирован в режиме отладки. А у меня карта GT650 (192 SP / SM, 2 SM).