Xeon Phi：无法实现完美的内存合并并充分利用SMID单元？

Question

我有一个处理立方体的GPU / CUDA代码（3D图像，精确的光谱立方体）。将立方体视为一系列图像/切片，或者可选地，将一组光谱视为具有不同空间位置（在正方形上）。图像的每个像素具有不同的x，y值和相同的z。频谱上的每个像素具有相同的x，y但是z变化。多维数据集的内存以某种方式对齐，以便两个连续的内存地址对应于x和x + 1。

在我的CUDA代码中，我配置了每个CUDA线程来处理不同的频谱。这样我就可以实现全局内存合并。然后我将此代码移植到Intel Phi（#pragma offload + OpenMP）。就像在GPU情况下一样，我有每个Phi核心来处理不同的频谱。结果，在此也实现了存储器合并。但是，表现不好。

• 我认为问题是虽然我已经与全局内存合并，但是每个频谱上的像素不在连续的内存地址上，因此，Phi的矢量化不会提供任何性能提升。 （请记住，每个核心在相关频谱上进行某种缩减;更准确地说，它计算第1，第2和第3矩）。这个想法有意义吗？
• 如果我没有弄错，为了从SIMD获得性能，你的内存地址必须是连续的，对吗？
• 因此，似乎在Xeon phi上无法实现完美的内存合并全局内存并同时充分利用SIMD。这有意义还是我完全错了？

PS：我正在使用英特尔至强Phi 7120