我正在阅读这篇文章（非常好的文章和优秀的博客顺便说一句），以便在我的（非常简单的）Mandelbrot Set 实现中进行一些测量。

我使用的是 Quadro 2000D 卡，其理论带宽约为 20 GB/s（= 1304 MHz * 128 位总线）。

Mandelbrot 图像具有 700x700 像素（uchar = 每像素 1 个字节）。使用网格（44,44）和块（16,16）启动内核，计算它所用的时间是 1.00026 毫秒。

现在，如果我的计算很好，那么我有以下

$$(490000~bytes)(10^{-9}~GB)~~\big/~~(1.00026)(10^{-3~}s)=0.4898~GB/s$$

我应该如何解释这个结果？我只使用了大约 2.5% 的带宽，这很糟糕，但是由于算法只对每个像素进行一次写入，所以没有办法改善这一点，是吗？有什么我没有考虑到的吗？

更新

我做了三种类型的内核来查看发生了什么并将图像的大小减小到 250x250。

首先非常幼稚，1 个线程完成所有工作：125 毫秒 + 3.1% 全局效率存储 + 2% 占用率。这是不好的。

二、每行一个线程：0.20 ms + 97.7% 全局存储效率 + 16% 占用率。好多了。

第三，每个元素一个线程：0.25 毫秒，50% 全局存储效率 + 55% 占用率。比上一个差。

那么，从这里我可以做些什么来改进呢？有办法吗？在第三种类型中，我唯一想到的是在内核内部写入共享内存，然后进行同步，然后所有线程都写入全局内存，以便进行合并访问。