利用shared memeory减少对global memory的访问

近来采用cuda加速，对时间做了下测试，发现cuda版本和c版本的code运行时间基本上没什么大的改善。非常惊讶！因为之前对gpu抱了很大的希望。为什么会事与愿违呢？

仔细研究code，发现，时间的损耗很大一部分都花在数据copy和读取上。于是又开始翻看资料……发现将操作数一次拷贝到shared memory是个不错的idea。