对GpuMat元素的OpenCV CUDA算术运算

Question

我正在尝试沿着

线计算一个二维多项式方程

out = b[0]*X + b[1]*Y + b[2]*X*X + ... etc

其中X和Y是2d矩阵。系数由GPU上的一系列矩阵乘法计算得出，并因此存储为GpuMat。幼稚的方法将需要直接访问b中的元素，据我所知这是不可能的。取而代之的是，我提出了三种可能的解决方案，这些解决方案似乎都不具有吸引力。

1. 上载b，这将允许直接访问。这似乎效率很低，因为这些值基本上是在上载后才再次传回的。但是，b非常小，只有14个值，因此传输时间可以忽略不计。
2. 将矩阵存储为N x M x 14（14是矩阵的数量），然后使用整形和重复创建N x M x 14的{​​{1}}矩阵，从而允许逐元素相乘。然后，可以沿其通道拆分以求和，也可以使用b求和（尽管我认为不可能，但如果我错了，请纠正我）。当然，这需要大量的内存分配。与上载时间相比，使用重复创建〜200万个向量副本的速度也很慢。
3. 创建自定义内核。虽然这可能是最好的选择，但由于我对编写CUDA内核经验不足，所以我很犹豫。

所有这些合并为两个问题：

1. 我想念一个更明显的方法吗？
2. 如果没有，哪种方法更有效，并且计算时间比内存分配更重要。