我正在做的是WebGL上的GPGPU，我不知道我要说的访问模式适用于一般的图形和游戏程序。在我们的代码中，经常会遇到需要对每个输出texel进行汇总或归约的数据。一个非常简单的例子是矩阵乘法，在此期间，对于每个输出纹理像素，您返回一个值，该值是一个输入的行与另一输入的列的点积。
这不是性能的关键所在，因为它不是计算量而是数据访问量的倍增。因此，我一直试图找到一种可以加快此操作速度的读取或数据布局模式，但我一直没有成功。
我将在下面描述一些假设和一些方案。所有这些的示例代码都在https://github.com/jeffsaremi/webgl-experiments下 不幸的是，由于大小原因，我无法使用StackOverflow的“代码段”功能。注意：所有示例都写入控制台而不是html页面。
基本matmul实现：示例：[2,3] x [3,4]-> [2,4]。这会以简单的形式生成（w：3，h：2）和（w：4，h：3）的2个纹理。对于每个输出纹理像素，我将沿左侧纹理的X轴读取，但沿右侧纹理的Y轴读取。 （请参阅webgl-matmul.html）
假设GPU访问的数据类似于CPU（逐块），如果我沿着纹理的宽度读取，则应该经常访问缓存。 为此，我将以仅对相应行（沿纹理宽度）进行点积处理的方式对两个纹理进行布局。示例：[2,3] x [4,3]-> [2,4]。请注意，现在对正确纹理的数据进行了转置，以便对于每个输出纹理像素，我将对左侧的一行和右侧的一行进行点积运算。 （请参阅webgl-matmul-shared-alongX.html）
为确保上述假设确实有效，我还创建了一个否定测试。在此测试中，我将沿着左右纹理的Y轴进行读取，这应该有史以来最差的性能。数据已预先转置，因此结果有意义。例如：[3,2] x [3,4]-> [2,4]。 （请参阅webgl-matmul-shared-alongY.html）。
因此，我运行了这些命令-希望您也能看得出来-并且我发现没有证据支持此类缓存行为的存在或不存在。您需要运行每个示例几次，以获得一致的结果进行比较。
然后我来到了这篇论文http://fileadmin.cs.lth.se/cs/Personal/Michael_Doggett/pubs/doggett12-tc.pdf，简而言之，我声称GPU将数据缓存在块（或我称为它们的切片）中。
基于这个有希望的线索，我创建了一个matmul（或点积）版本，该版本使用2x2的块进行计算。当然，在使用此功能之前，我必须将输入重新排列为这种布局。我的比较中不包括重新安排的费用。假设我可以这样做一次，然后运行多次。即使不采取任何措施，即使该方案也不会对性能有任何贡献。 （请参阅webgl-dotprod-tiled.html）。
至此，我完全没有想法，任何提示将不胜感激。 谢谢