我正试图绕过这些东西。显然，我们的数据如何细分对性能利用至关重要。我在这里走在正确的轨道上吗？我们使用大小为1024x1024的图像，并将进行简单的任意计算作为示例。
首先，GPU设备有几个核心，也称为计算单元（CU）。每个计算单元进一步细分为执行实际工作的多个处理元件（PE）。在OpenCL中，我们使用CL_DEVICE_MAX_COMPUTE_UNITS找到CU的数量。但我们如何找到PE？似乎无法在OpenCL规范中找到标志。
全局大小为1024x1024 = 1048576个图像像素，我们将对每个像素执行操作。
（1）现在，我们将图像细分为称为工作组的区域。工作组在CU上执行，CORRECT？即一个工作组只映射到一个CU？
（2）假设我们的GPU有16个CU，我们将工作组设置为16.现在每个工作组将有65536个工作项执行？
（3）现在我们的图像被分成16个部分同时执行所有部分？
（4）每组有65536个像素在其自己的CU上嘎吱作响。由于CU由几个PE组成，那些65536个像素是否会进一步细分和同时处理？什么会更好 - 很多工作组和较少的工作项（单个像素）或相反的？
（5）本地存储器......据说本地存储器在CL_DEVICE_LOCAL_MEM_SIZE处固定在某个最大值。如果我有一个__kernel const char * ker（__ local uint * locMem）{...}并在初始化时我将locMem设置为大于max？会产生什么样的表现？此外，本地存储器仅在单个CU中可见，并且在该特定CU中的所有PE之间共享？
（6）在单个内核（即一个PE）中，我在设置本地变量时有什么界限？如果我设置过多的本地变量，会发生什么？同样的问题适用于CU。
对不起轰炸，一定是神秘的，其他讨论这些问题的线索都在不同的背景下，或者和我正在使用的书一样含糊不清。