如何将连续的常量全局内存块复制到（连续的一部分）私有内存？我需要像memcpy这样的东西，然后在不同的OpenCL地址空间之间复制字节。我知道块的大小和数据是连续存储在全局和本地/私有mem中的，所以，一般来说，这应该是可能的，对吗？
在我的具体问题中，我有一个包含int，float的结构类型的常量全局数组，甚至还有另一种结构类型。为了防止将结构的每个成员与全局mem分开（这很慢），我希望在私有内存中有一个完整数组元素的副本。像privatestruct = globalstruct [i]这样的事情不幸的是不会导致完整结构的深层副本。
当然我不是第一个问这个或类似问题的人，所以stackoverflow上有几个线程讨论相关问题。但是，实际上所有的答案都建议使用async_work_group_copy，因为它只是为了清晰的内置数据类型而不是混合结构，结构结构或任何（例如按位）用户定义的内存解释而定义，因此不能作为通用答案。 。无论如何它都适用于本地内存。
非常感谢任何建议!!
答案 0 :(得分：3)
1）使结构大小为4个字节的倍数。例如，如果长度为125个字节，则可以添加一个长度为3个字节的char3，以获得128个字节的struct。
2）将结构，最大或4个多字节的元素重新排序为“head”，将较小/不重复的元素重新排序为“tail”。这将使您的结构需要更少的内存访问操作。
3）正如DarkZeros所提到的，您可以尝试使用_work_group_copy获取结构（如果struct太大则将其转换为long16或类似物），然后将值传递给私有内存元素。 。这有很多缓存行，因此它可以快速地从本地复制到私有。 （不要忘记在转换之前/之后同步它们）
4）将小变量打包成较大的变量，直到它填满缓存通道，以便在高速缓存使用时不会浪费通道的带宽。
但是，如果要将“单个”结构复制到线程组的“所有核心”，则可以复制元素，因为一些较新的GPU具有在这种情况下可以最快的广播技术。请指出将来的任何加速（如果算法碰巧有），作为乘数。
5）有时，重分支可以清除性能并隐藏那些内存延迟以进行基准测试（当然是一种糟糕的方式）。